[發明專利]基于加權貝葉斯混合模型的與文本無關的說話人識別方法

有效

• 申請號: 201410361706.0
• 申請日: 2014-07-25
• 公開（公告）號: CN104183239B
• 公開（公告）日: 2017-04-19
• 發明（設計）人: 魏昕;周亮;趙力;陳建新
• 申請（專利權）人: 南京郵電大學
• 主分類號: G10L17/04
• 分類號: G10L17/04;G10L17/02
• 代理公司: 南京知識律師事務所32207
• 代理人: 汪旭東

1.基于加權貝葉斯混合模型的與文本無關的說話人識別方法，其特征在于，所述方法包括如下步驟：

步驟1：對語音信號進行預處理：包括采樣與量化、預加重、分幀與加窗；

步驟2：語音幀上的特征提?。簩γ恳徽Z音幀，計算D階線性預測倒譜系數，將其作為該幀的D維特征矢量；

步驟3：對于每一說話人所對應的訓練集合X＝{x_n}_n＝1,...,N，其中N為該說話人用于訓練的D維特征矢量x_n的個數；用加權貝葉斯混合模型，即WBMM來建模X，通過訓練估計出WBMM中的參數值以及隨機變量的分布，在該識別系統中需要識別G個說話人，則重復訓練過程G次，分別得到WBMM₁,…,WBMM_g,...,WBMM_G；

步驟4：對于待識別的語音，首先進行預處理以及特征提取，得到相應的D維特征矢量x'；計算x'關于每一個說話人對應的模型WBMM₁,…,WBMM_g,…,WBMM_G的邊緣似然值{MLIK_g(x')}_g＝1,...,G，最終的識別結果為最大的MLIK_g(x')所對應的說話人speaker，即：

$spea\ker \left(x^{\′}\right)=\arg {\max }_{g=1}^G{\mathrm{MLIK}}_g\left(x^{\′}\right).$

2.根據權利要求1所述的基于加權貝葉斯混合模型的與文本無關的說話人識別方法,其特征在于，所述方法步驟3所述的通過訓練估計出WBMM中的參數值以及隨機變量的分布的步驟如下：

步驟3-1：設定WBMM中的超參數{λ₀,m₀,β₀,ν₀,V₀}的值，其中，λ₀＝0.01，m₀＝0，0為D維零矢量，β₀＝1，ν₀＝D，V₀＝400·I，I為(D×D)的單位矩陣；

步驟3-2：設定附加參數α的值，α取-8～-1之間的任意整數；

步驟3-3：產生N個服從[1,K]區間上均勻分布的隨機整數，其中K為WBMM的混合成分數，取16～32中的任意整數，統計該區間上各整數出現的概率θ_i；即，如果產生了N_i個整數i，那么θ_i＝N_i/N；對于每個{x_n}_n＝1,...,N，對應的隱變量{z_n}_n＝1,...,N的初始分布為：

$q\left(z_n\right)=\underset{i=1}{\overset{K}{\Π}}q(z_{ni}=1)=\underset{i=1}{\overset{K}{\Π}}{\mathrm{\θ}}_i;$

此外，設定迭代次數計數變量t＝1，開始迭代循環；

步驟3-4：計算三個中間變量：

$s_i=\underset{n=1}{\overset{N}{\Σ}}q(z_{ni}=1)$

${\stackrel{\‾}{x}}_i=\frac{1}{s_i}\underset{n=1}{\overset{N}{\Σ}}q(z_{ni}=1)\·x_n$

$C_i=\frac{1}{s_i}\underset{n=1}{\overset{N}{\Σ}}q(z_{ni}=1)\·(x_n-{\stackrel{\‾}{x}}_i)\·{(x_n-{\stackrel{\‾}{x}}_i)}^T$

步驟3-5：更新WBMM中的隨機變量{π_i}_i＝1,...,K的分布，其表示第i個混合成分的比重，它服從Dirichlet分布，即，q(π_i)＝Dir(π_i|λ_i)，相應的超參數{λ_i}_i＝₁,...,_K的更新公式如下：

${\mathrm{\λ}}_i={\mathrm{\λ}}_0+\frac{1-\mathrm{\α}}{2}\·s_i$

步驟3-6：更新WBMM中隨機變量{μ_i,T_i}_i＝1,...,K的分布，其分別表示第i個成分的均值和逆協方差矩陣，所述第i個成分的均值和逆協方差矩陣服從聯合Gaussian-Wishart分布，即q(μ_i,T_i)＝N(μ_i|m_i,(β_iT_i)^-1)W(T_i|ν_i,V_i)，相應的超參數{m_i,β_i,ν_i,V_i}_i＝1,...,K的更新如下：

${\mathrm{\β}}_i={\mathrm{\β}}_0+\frac{1-\mathrm{\α}}{2}\·s_i,$

$m_i=\frac{1}{{\mathrm{\β}}_i}({\mathrm{\β}}_0{m}_0+\frac{1-\mathrm{\α}}{2}\·s_i\·{\stackrel{\‾}{x}}_i),$

$v_i=v_0+\frac{1-\mathrm{\α}}{2}\·s_i,$

$V_i^{-1}=V_0^{-1}+\frac{1-\mathrm{\α}}{2}\·s_i\·C_i+\frac{{\mathrm{\β}}_0{s}_i(1-\mathrm{\α})}{2{\mathrm{\β}}_0+s_i(1-\mathrm{\α})}\·({\stackrel{\‾}{x}}_i-m_0)\·{({\stackrel{\‾}{x}}_i-m_0)}^T;$

步驟3-7：更新隱變量{z_n}_n＝1,...,N的分布，如下：

$q\left(z_n\right)=\underset{i=1}{\overset{K}{\Π}}{\left(\frac{{\mathrm{\γ}}_{ni}}{{\Σ}_{j=1}^K{\mathrm{\γ}}_{nj}}\right)}^{z_{ni}}$

其中，

${\mathrm{\γ}}_{ni}=\exp \{\left(\frac{1-\mathrm{\α}}{2}\right)\·\<\ln {\mathrm{\π}}_i\>+\left(\frac{1-\mathrm{\α}}{4}\right)\·\[\<\ln |T_i|\>-D\ln \left(2\mathrm{\π}\right)-\<{(x_n-{\mathrm{\μ}}_i)}^T{T}_i(x_n-{\mathrm{\μ}}_i)\>\]\}$

在上式中，各項期望<·>的計算公式如下：

$\&lt;{\mathrm{ln\&pi;}}_i\&gt;=\mathrm{\&psi;}\left({\mathrm{\&lambda;}}_i\right)-\mathrm{\&psi;}\left({\mathrm{\&Sigma;}}_{j=1}^K{\mathrm{\&lambda;}}_j\right),$

$\&lt;ln\left|T_i\right|\&gt;=\underset{d=1}{\overset{D}{\&Sigma;}}\mathrm{\&psi;}\left(\frac{v_i+1-d}{2}\right)+Dln2+ln\left|V_i\right|,$

$\&lt;{(x_n-{\mathrm{\&mu;}}_i)}^T{T}_i(x_n-{\mathrm{\&mu;}}_i)\&gt;={\mathrm{D\&beta;}}_i^{-1}+v_i{(x_n-m_i)}^T{V}_i(x_n-m_i)$

上面公式中ψ(·)為標準的digamma函數，Gamma函數Γ(·)的對數的導數，即

ψ(·)＝(lnΓ(·))′；

步驟3-8：計算當前迭代后的邊緣似然值MLIK_t，t為當前的迭代次數：

${\mathrm{MLIK}}_t=\underset{n=1}{\overset{N}{\&Sigma;}}\underset{i=1}{\overset{K}{\&Sigma;}}q(z_{ni}=1)\&CenterDot;\left(\frac{1-\mathrm{\&alpha;}}{2}\right)\&CenterDot;\{\&lt;{\mathrm{ln\&pi;}}_i\&gt;+0.5\&times;\&lsqb;\&lt;\ln |T_i|\&gt;-D\ln \left(2\mathrm{\&pi;}\right)-\&lt;{(x_n-{\mathrm{\&mu;}}_i)}^T{T}_i(x_n-{\mathrm{\&mu;}}_i)\&gt;\&rsqb;\};$

步驟3-9：計算當前迭代后與上一次迭代后的邊緣似然值的差值ΔMLIK＝MLIK_t-MLIK_t-1；如果ΔMLIK≤δ，那么通過訓練估計出WBMM中的參數值以及隨機變量的分布的過程結束，否則轉到上述步驟3-4，t的值增加1，進行下一次迭代；閾值δ的取值范圍為10^-5～10^-4。