电子技术杂志社

摘要：阐述基于注意力机制辅助的轻量级卷积神经网络（SE-DenseNet）应用。通过在DenseNet密集块中嵌入注意力（Squeeze-and-Excitation,SE）模块，动态调整特征通道权重，增强关键声学特征提取能力。语音信号预处理包含端点检测、预加重和分帧加窗步骤，采用Fbank特征提取保留频域能量分布。实验结果表明，相较传统DenseNet模型，改进后的SE-DenseNet在准确率、AUC方面分别提升4.25%、4.18%，等错误率（EER）降低6.09%，验证了模型在变压器声纹识别中的有效性与抗噪鲁棒性。

关键词： 注意力机制;DenseNet;声纹识别;变压器;语音预处理;

专辑： 信息科技;工程科技Ⅱ辑

专题： 电力工业

分类号： TM41