[發明專利]基于UBM和SVM的說話人身份識別系統

在審

• 申請號: 201710302853.4
• 申請日: 2017-05-02
• 公開（公告）號: CN108806697A
• 公開（公告）日: 2018-11-13
• 發明（設計）人: 申子健;徐波;陳愛月
• 申請（專利權）人: 申子健
• 主分類號: G10L17/14
• 分類號: G10L17/14;G10L17/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

基于UBM和SVM的說話人身份識別系統。系統包括：語音格式轉換，目的是將原始的語音信號轉為適合開發環境的格式；均值特征向量提取系統，目的是便于應用于SVM的計算環境；向量機得分計算系統，主要功能是完成測試語音和訓練語音的匹配，從而確定說話人的身份。

技術領域

本發明涉及到不基于文本的說話人身份識別。

背景技術

近年來，各種身份識別方式層出不窮，常見的有人臉識別、指紋識別、語音識別等，這些都是為了識別身份，所謂身份識別技術，就是建立在一定的科技手段上，利用一些模型、算法，并借助于高端設備對人的身份進行鑒定識別。

手機的屏幕解鎖采用指紋識別，登錄支付寶賬戶采用人臉識別，但不管是哪一種識別技術，都不能保證百分之百的準確率，只能通過不斷提高科技手段，算法復雜度，來提高識別準確率。說話人身份識別就是基于語音識別的技術，識別說話人身份。

與文本無關的說話人身份識別已經從基于高斯混合模型(GMM)的方式變為利用i-voctor特征參數來進行研究的方式，可以把這種變化看成是從概率模型計算到高維向量的轉變。

在研究GMM模型的過程中，我們對采集的語音信號進行特征提取，計算中使用的主要算法包括極大似然估計算法(EM)，用于求取通用背景模型(UBM)的GMM，還有最大后驗準則(MAP)的方式，用于求取說話人的GMM，最后用后驗概率計算說話人得分，該方法又稱為GMM-UBM。

對于語音信號，我們的前段處理主要包含兩個部分，分別為求取Mel倒譜系數，以及進行HTK封裝。目的是將模擬語音信號轉為數字信號，為后續的識別過程做基礎。

極大似然估計算法(EM)是另外一種求估計的方法，首先由德國數學家C.F.Gauss(高斯)在1821年提出，但這個方法通常被歸功于英國的統計學家R.A.Fisher(羅納德·費希爾)，他在1922年的論文On the mathematical foundations of theoreticalstatistics,reprinted in Contributions to Mathematical Statistics(byR.A.Fisher),1950,J.Wiley&Sons,New York中再次提出了這個思想，并且首先探討了這種方法的一些性質，極大似然估計這一名稱也是費希爾給的，這種方法目前仍然得到廣泛地應用。

通用背景模型(UBM)是由大量的冒認者語音使用EM算法訓練得到的，因為UBM模型的訓練來自大量不同的說話人，因而可以認為UBM模型是一個與任何一個單獨的說話人都無關的模型。

最大后驗準則算法(MAP)可以看成是在EM算法的基礎上利用UBM模型完成對少量語音的GMM求解，在語音識別領域應用廣泛，當我們采集同一個說話人的少量語音數據后，就可求出這些語音的GMM參數。Mel倒譜系數Mel-scaled Cepstrum Coefficients(MFCC)的目的是模擬人的聽覺系統來描繪語音信號的特征，主要步驟有預加重，分幀加窗處理，各幀信號的FFT變換以及濾波等步驟。

HTK格式主要是針對語言文件和語音標簽數據文件的處理，是在工程中建立隱性馬爾科夫模型(HMMS)的工具，比較適合在基于GMM的識別中使用，同時在MATLAB的研究環境下配有voicebox工具箱來進行格式轉換。

發明內容

本發明的至少一個目的在于提供一種說話人身份識別的計算方式，至少能克服上述現有技術的缺點和不足，以提高說話人身份識別的準確度。

本發明的一個實施例是一種說話人身份識別的算法系統，可以在計算機上進行仿真實，包括語音數據輸入部分，將輸入的語音轉為標準的HTK格式。還包括識別過程，能夠將語音庫的說話人和外部輸入的測試語音進行識別，可以提高對庫中說話人的識別精度。