[發(fā)明專利]一種基于信息傳遞的說話人聚類方法

有效

• 申請?zhí)枺?/td>: 200710178363.4
• 申請日: 2007-11-29
• 公開（公告）號: CN101452704A
• 公開（公告）日: 2009-06-10
• 發(fā)明（設計）人: 顏永紅;呂萍;張翔
• 申請（專利權(quán)）人: 中國科學院聲學研究所;北京中科信利技術(shù)有限公司
• 主分類號: G10L17/00
• 分類號: G10L17/00;G10L15/08
• 代理公司: 北京泛華偉業(yè)知識產(chǎn)權(quán)代理有限公司
• 代理人: 王 勇

技術(shù)領(lǐng)域

本發(fā)明屬于語音識別技術(shù)領(lǐng)域，具體地說，本發(fā)明涉及一種說話人聚類方法。?

背景技術(shù)

說話人聚類是近年來語音信號處理領(lǐng)域的一個研究熱點，被廣泛應用于語音識別和說話人識別等領(lǐng)域。這項技術(shù)通常與說話人分段一起應用，也就是通常所說的說話人分段聚類。說話人聚類就是將分段后的語音數(shù)據(jù)進行分類，將不同說話人的語音數(shù)據(jù)分配到不同的類里。?

說話人聚類至今已有許多方法，可以分為兩類：有監(jiān)督算法和無監(jiān)督算法。有監(jiān)督聚類一般是指已知對話中說話人的個數(shù)，按照說話人的個數(shù)進行聚類；無監(jiān)督說話人聚類一般是指對話中說話人的個數(shù)未知，聚類過程找到一個最優(yōu)的聚類數(shù)目以及其相應的聚類結(jié)果。目前，說話人聚類領(lǐng)域最為廣泛應用的是基于層次聚類框架的算法，層次聚類初始化計算所有語音段兩兩之間的距離，尋找距離最近的兩段合并成一段，并更新計算其他語音段與該新語音段之間的距離，重復此過程直到得到所需要的聚類數(shù)目或者滿足某一全局準則。但是，這種算法魯棒性還有待提高。同時，此算法需要反復的計算各類與新類之間的距離(相似度)，這增加了算法的運行時間。因此，現(xiàn)有的很多方法，都是基于此方法上的改進，目的是增強算法的魯棒性和速度。?

發(fā)明內(nèi)容

本發(fā)明的目的是克服現(xiàn)有技術(shù)的不足，針對語音信號的特點，通過不斷迭代計算各數(shù)據(jù)段之間的r值和a值，將這兩個值作為兩段之間的兩種交互信息，形成信息傳遞，從而提出一種魯棒且快速有效的新的無監(jiān)督和有監(jiān)督說話人聚類方法。?

為實現(xiàn)上述發(fā)明目的，本發(fā)明提供的基于信息傳遞的說話人聚類方法(可參考圖1)包括初始化過程和尋找聚類中心過程；?

其中初始化過程包括如下步驟：?

1)計算兩兩語音數(shù)據(jù)段(以下簡稱數(shù)據(jù)段)之間的相似度s(i，k)，其中k≠i；?

2)設定各數(shù)據(jù)段作為聚類中心的優(yōu)先度s(k，k)，其中k表示第k個數(shù)據(jù)段，將所有的有效值a(i，k)初始化為零，下文中將有效值(availability)簡稱為a值；?

尋找聚類中心過程包括如下子步驟：?

3)根據(jù)兩兩數(shù)據(jù)段之間的a值和各數(shù)據(jù)段的優(yōu)先度，計算兩兩數(shù)據(jù)段之間的責任值r(i，k)，下文中將責任值(responsibility)簡稱為r值；根據(jù)各數(shù)據(jù)段的r值，計算兩兩數(shù)據(jù)段之間的a值；?

4)合并r值和a值，以該合并值決策聚類中心；?

5)重復執(zhí)行步驟3)、4)，直到找到穩(wěn)定的聚類中心，結(jié)束聚類，統(tǒng)計聚類數(shù)目；?

以上各步驟中，i、k分別表示第i和第k個數(shù)據(jù)段。?

上述技術(shù)方案中，所述步驟1)中，所述相似度由兩兩數(shù)據(jù)段的距離得出，所述距離可以是歐式距離、馬氏距離、KL距離或GLR距離。?

上述技術(shù)方案中，所述步驟2)中，所述各數(shù)據(jù)段作為聚類中心的優(yōu)先度s(k，k)均設定為所有相似度的中值。?

上述技術(shù)方案中，所述步驟3)中，計算兩兩數(shù)據(jù)段之間的責任值r(i，k)的方法如下：?

r(i,k)=s(i,k)-maxj∈[1:N],j≠k[s(i,j)+a(i,j)]]]>

上式中r(i，k)表示第i個數(shù)據(jù)段與第k個數(shù)據(jù)段的r值，N表示語音段的數(shù)目。?

上述技術(shù)方案中，所述步驟3)中，計算兩兩數(shù)據(jù)段之間a值的方法如下：?

當k＝i時?