[發明專利]基于高斯混合模型的聲紋識別方法及系統

無效

• 申請號: 201110267690.3
• 申請日: 2011-09-12
• 公開（公告）號: CN102324232A
• 公開（公告）日: 2012-01-18
• 發明（設計）人: 霍春寶;張健;趙立輝;劉春玲;張彩娟
• 申請（專利權）人: 遼寧工業大學
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L15/06
• 代理公司: 錦州遼西專利事務所 21225
• 代理人: 李輝

1.一種基于高斯混合模型的聲紋識別方法，其特征是具體步驟如下：

（1）、語音信號的采集：以程控交換綜合實驗箱的話機作為采集語音信號的終端設備，通過語音卡采集語音信號；

（2）、語音信號的預處理：通過計算機將提取的語音信號進行分幀加窗操作，在分幀過程中一幀包括256個采樣點，幀移為128個采樣點，所加的窗函數為漢明窗；端點檢測，采用基于短時能量和短時過零率法相結合的端點檢測法；預加重，加重系數的范圍為0.90~1.00；

（3）、語音信號特征參數提取：采用梅爾頻率倒譜系數(MFCC)，MFCC的階數通常取為12~16；

（4）、模型訓練：采用EM算法為說話人的語音信號特征參數訓練高斯混合模型(GMM)，模型的參數初始化方法選用k-means算法；

（5）、聲紋辨識：通過將采集到的待識別語音信號特征參數與庫中通過第1步驟1、第2步驟、第3步驟已建立的說話人語音模型進行比較，并根據最大后驗概法進行判斷，若對應的說話人模型使得待識別的話者語音特征向量X具有最大的后驗概率,則認為識別出說話人。

2.根據權利要求1所述的基于高斯混合模型的聲紋識別方法，其特征是語音信號特征參數提取步驟如下：

（1）?將預處理后的語音信號進行短時傅里葉變換（DFT）得到其頻譜X(k)，語音信號的DFT公式為：?

???????????????????????(1)

其中，為輸入的以幀為單位的語音信號，N為傅里葉變換的點數，取256；

（2）求頻譜的平方，即能量譜，然后通過Mel頻率濾波器對語音信號的頻譜進行平滑，并消除諧波，凸顯原先語音的共振峰；

Mel頻率濾波器是一組三角帶通濾波器，中心頻率為，=1，2，…，Q，?Q為三角帶通濾波器的個數，Mel濾波器表示如下：

??????????(2)

（3）對濾波器組輸出的Mel頻譜取對數：壓縮語音頻譜的動態范圍；將頻域中噪聲的乘性成分轉換成加性成分，對數Mel頻譜如下：

????????????????????????(3)

（4）離散余弦變換(DCT)

將第3步驟獲得的對數Mel頻譜變換到時域，其結果為Mel頻率倒譜系數(MFCC)，第n個系數的計算如下式:

??????????????(4)

?其中，L為MFCC參數的階數，Q為Mel濾波器的個數，L通常取12~16，Q取23~26，本發明依據實驗情況取L=13，Q=25。