[發(fā)明專利]用于說話人識別的多背景模型建立方法

有效

• 申請?zhí)枺?/td>: 201010118149.1
• 申請日: 2010-03-04
• 公開（公告）號: CN101833951A
• 公開（公告）日: 2010-09-15
• 發(fā)明（設(shè)計）人: 張衛(wèi)強;劉加
• 申請（專利權(quán)）人: 清華大學
• 主分類號: G10L15/06
• 分類號: G10L15/06;G10L15/02
• 代理公司: 北京眾合誠成知識產(chǎn)權(quán)代理有限公司 11246
• 代理人: 朱琨

1.用于說話人識別的多背景模型建立方法，其特征在于，所述方法是在數(shù)字集成電路芯片中依次按以下步驟實現(xiàn)的：

步驟(1)：采用Baum-Welch算法，用訓練通用背景模型UBM的所有數(shù)據(jù)訓練一個高斯混合模型GMMΛ₀；

步驟(2)：求取每段語音的聲道長度彎折系數(shù)，具體做法為：

步驟(2.1)：聲道長度彎折系數(shù)α從0.88以步長0.02變化到1.12，對信號頻譜進行“彎折”，設(shè)彎折前后的頻率為f，f^α，頻譜的低通和高通截止頻率為f_l，f_u，則彎折公式為

fα=f+2(fu-fl)πarctan((1-α)sinθ1-(1-α)cosθ),]]>

其中θ=f-flfu-flπ;]]>

步驟(2.2)：對步驟(2.1)中每個彎折系數(shù)對應(yīng)的頻譜求取Mel頻率倒譜系數(shù)MFCC特征搜索使所述特征對模型Λ₀的似然度最大的彎折系數(shù)：

α^*即為該段語音的聲道長度彎折系數(shù)；

步驟(3)：將訓練UBM的數(shù)據(jù)按聲道長度彎折系數(shù)分成8份，其中α^*＝0.88的為第1份，α^*＝0.90的為第2份，α^*＝0.92的為第3份，α^*＝0.94的為第4份，α^*＝0.96，0.98的為第5份，α^*＝1.00，1.02的為第6份，α^*＝1.04，1.06的為第7份，α^*＝1.08，1.10，1.12的為第8份，這樣劃分是由于考慮各份中數(shù)據(jù)量的平衡，采用所述Baum-Welch算法用每份數(shù)據(jù)訓練一個UBM模型；

步驟(4)：用目標說話人的訓練語音提取所述MFCC特征，并對8個UBM模型分別進行最大后驗概率MAP自適應(yīng)，得到8個GMM模型，具體自適應(yīng)方法為：

步驟(4.1)：假設(shè)其中一個UBM的參數(shù)為w_m、μ_m和σ_m²分別表示權(quán)重、均值和方差，其數(shù)值由步驟(3)中的Baum-Welch算法得到，權(quán)重滿足下標m表示高斯分量標號，共含M個高斯分量，假設(shè)訓練語音共含T幀特征，其中第t幀特征為o_t，則o_t屬于第m個高斯分量的后驗概率為：

其中(·)表示高斯分布的概率密度，對t＝1，...，T，m＝1，...，M進行循環(huán)，計算每幀特征屬于每個高斯分量的后驗概率；

步驟(4.2)：將后驗概率以及后驗概率與特征的乘積對所有幀進行累加，計算零階和一階統(tǒng)計量：

nm=Σt=1Tγm(t),]]>

對m＝1，...，M進行循環(huán)，計算每個高斯分量的零階和一階統(tǒng)計量；

步驟(4.3)：對一階統(tǒng)計量和UBM的均值進行線性插值，得到自適應(yīng)后的GMM模型的均值：

其中插值系數(shù)為λ_m＝n_m/(n_m+r)，r為常數(shù)，取值為16，對m＝1，...，M進行循環(huán)，計算GMM模型的每個高斯分量的均值，其權(quán)重和方差直接采用UBM的對應(yīng)的權(quán)重和方差；

步驟(5)：對于測試語音提取MFCC特征，然后分別用8組GMM和UBM模型求取對數(shù)似然比分數(shù)，從中選取最小的一個作為分數(shù)輸出，具體方法為：

步驟(5.1)：假設(shè)測試語音共含T_e幀特征，則一組GMM和UBM模型的對數(shù)似然比分數(shù)為：

步驟(5.2)：按步驟(5.1)所述求取8組的對數(shù)似然比分數(shù)，從中選取最小的一個作為輸出。