[發(fā)明專(zhuān)利]一種基于自適應(yīng)并行模型組合的魯棒語(yǔ)音身份識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201810035573.6
• 申請(qǐng)日: 2018-01-15
• 公開(kāi)（公告）號(hào): CN108257606A
• 公開(kāi)（公告）日: 2018-07-06
• 發(fā)明（設(shè)計(jì)）人: 葛洪偉;李聰;葛陽(yáng)
• 申請(qǐng)（專(zhuān)利權(quán)）人: 江南大學(xué)
• 主分類(lèi)號(hào): G10L17/02
• 分類(lèi)號(hào): G10L17/02;G10L17/04;G10L17/20;G10L17/00
• 代理公司: 大連理工大學(xué)專(zhuān)利中心 21200
• 代理人: 梅洪玉

1.一種基于自適應(yīng)并行模型組合的魯棒語(yǔ)音身份識(shí)別方法，其特征在于：首先對(duì)語(yǔ)音進(jìn)行預(yù)處理操作，并提取語(yǔ)音特征，經(jīng)過(guò)自適應(yīng)的噪聲估計(jì)得出倒譜域噪聲參數(shù)，包括均值向量和協(xié)方差矩陣，然后對(duì)純凈語(yǔ)音倒譜特征訓(xùn)練成的GMM參數(shù)同噪聲參數(shù)經(jīng)倒譜提升逆變換和離散余弦反變換一同變換到對(duì)數(shù)譜域，接著通過(guò)指數(shù)變換變換到線性譜域，在線性譜域，對(duì)原始GMM模型參數(shù)和噪聲參數(shù)進(jìn)行加性合并，再經(jīng)過(guò)對(duì)數(shù)變換將參數(shù)變換到對(duì)數(shù)譜域，進(jìn)而再通過(guò)離散余弦變換和倒譜系數(shù)提升變換到倒譜域，得到補(bǔ)償后的GMM模型參數(shù)，最后通過(guò)最大似然估計(jì)得到識(shí)別結(jié)果。

2.根據(jù)權(quán)利要求1所述的魯棒語(yǔ)音身份識(shí)別方法，其特征包括如下步驟：

(1)對(duì)訓(xùn)練庫(kù)的純凈語(yǔ)音提取倒譜特征，經(jīng)過(guò)訓(xùn)練得到每個(gè)說(shuō)話人的GMM參數(shù)，包括均值μ_x和方差∑_x；

(2)獲取噪聲特征和噪聲平均能量：

(2.1)對(duì)于輸入的測(cè)試語(yǔ)音，進(jìn)行分幀處理并提取倒譜特征，求取第i幀能量E(i)，其中X_i(k)表示特征X第i幀的第k個(gè)元素，dim表示特征矢量維度；

(2.2)利用寬度為5的移動(dòng)平均濾波器對(duì)幀能量序列進(jìn)行平滑處理，得到平滑后的幀能量E′(i)，然后從第一幀開(kāi)始，對(duì)每一幀平滑后的幀能量與門(mén)限值TH進(jìn)行比較，若E′(i)≤TH，則認(rèn)為該幀為噪聲幀，若E′(i)＞TH，則認(rèn)為語(yǔ)音幀開(kāi)始，進(jìn)而對(duì)該幀的前一幀進(jìn)行位置標(biāo)記，記為T(mén)′，并取前T′幀語(yǔ)音特征矢量作為噪聲特征矢量；

(2.3)從中得到噪聲平均能量E^*，其中

(3)用一個(gè)單高斯模型對(duì)噪聲特征矢量進(jìn)行擬合，得到噪聲特征均值μ_n和方差∑_n；

(4)將純凈語(yǔ)音GMM均值、方差以及在倒譜域估計(jì)得到的噪聲矢量均值和方差變換到線性譜域；

(5)將純凈語(yǔ)音和噪聲的線性譜域參數(shù)在線性域進(jìn)行非線性的相加，得到含噪語(yǔ)音GMM在線性譜域的均值和方差，其中，μ_x，m(i)和μ_y，m(i)分別表示純凈語(yǔ)音和估計(jì)出的含噪語(yǔ)音GMM第m個(gè)高斯模型均值向量的第i個(gè)元素，和分別表示純凈語(yǔ)音和估計(jì)出的含噪語(yǔ)音GMM第m個(gè)高斯模型在線性譜域協(xié)方差矩陣的第i行j列元素，G為常數(shù)，表示補(bǔ)償增益因子；

(6)將含噪語(yǔ)音線性譜域均值和方差變換到倒譜域，得到補(bǔ)償后的GMM模型參數(shù)；

(7)將得到的測(cè)試語(yǔ)音倒譜特征通過(guò)最大似然估計(jì)與調(diào)整后的所有說(shuō)話人GMM參數(shù)進(jìn)行相應(yīng)計(jì)算，得到具有最大概率的說(shuō)話人模型所對(duì)應(yīng)的身份作為識(shí)別結(jié)果輸出。

3.根據(jù)權(quán)利要求2所述的魯棒語(yǔ)音身份識(shí)別方法，其特征在于，所述的步驟(4)按如下過(guò)程進(jìn)行：

(4.1)將倒譜域均值與方差變換到對(duì)數(shù)譜域,計(jì)算方法如公式(1)和公式(2)：

其中，上標(biāo)lin表示線性譜域,上標(biāo)ln表示對(duì)數(shù)譜域，C和C^-1分別是離散余弦變換矩陣及其逆矩陣，L和L^-1分別是倒譜系數(shù)提升矩陣及逆矩陣；

(4.2)將對(duì)數(shù)譜域均值與方差通過(guò)指數(shù)變換變換到線性譜域，計(jì)算方法如公式(3)和公式(4)：

此時(shí)變量處于線性譜域，服從對(duì)數(shù)正態(tài)分布。

4.根據(jù)權(quán)利要求2或3所述的魯棒語(yǔ)音身份識(shí)別方法，其特征在于，所述的步驟(6)按如下過(guò)程進(jìn)行：

(6.1)將含噪語(yǔ)音線性譜域均值和方差變換到對(duì)數(shù)譜域，得到含噪GMM模型參數(shù)，計(jì)算方法如公式(5)：

(6.2)將得到的對(duì)數(shù)譜域均值與方差通過(guò)離散余弦和倒譜系數(shù)提升變換到倒譜域，變換方法如公式(6)：

(6.3)去掉冗余元素，對(duì)得到的倒譜域協(xié)方差矩陣只保留對(duì)角元素，

得到補(bǔ)償后的GMM參數(shù)。