[發(fā)明專(zhuān)利]一種基于線(xiàn)性回歸的聲紋識(shí)別方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201810141059.0
• 申請(qǐng)日: 2018-02-11
• 公開(kāi)（公告）號(hào): CN108091326B
• 公開(kāi)（公告）日: 2021-08-06
• 發(fā)明（設(shè)計(jì)）人: 張曉雷
• 申請(qǐng)（專(zhuān)利權(quán)）人: 張曉雷
• 主分類(lèi)號(hào): G10L15/02
• 分類(lèi)號(hào): G10L15/02;G10L15/06;G10L15/08;G10L17/02;G10L17/04;G10L17/22
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 楊華;王寶筠

本申請(qǐng)?zhí)峁┝艘环N基于線(xiàn)性回歸的聲紋識(shí)別方法及系統(tǒng)，從語(yǔ)音數(shù)據(jù)中獲取第一聲紋特征矢量，使用預(yù)先訓(xùn)練的線(xiàn)性回歸模型，將所述第一聲紋特征矢量映射為第二聲紋特征矢量，并對(duì)所述第二聲紋特征矢量進(jìn)行分類(lèi)識(shí)別。創(chuàng)新地將線(xiàn)性回歸模型引入聲紋識(shí)別領(lǐng)域，實(shí)驗(yàn)證明，能夠有效提高聲紋識(shí)別的準(zhǔn)確性。

技術(shù)領(lǐng)域

本申請(qǐng)涉及電子信息領(lǐng)域，尤其涉及一種基于線(xiàn)性回歸的聲紋識(shí)別方法及系統(tǒng)。

背景技術(shù)

聲紋識(shí)別系統(tǒng)通常包括聲紋特征提取前端和聲紋識(shí)別后端兩個(gè)部分。

聲紋特征提取前端用于從說(shuō)話(huà)人語(yǔ)句中抽取該說(shuō)話(huà)人的聲紋特征：即通過(guò)模型將一句任意長(zhǎng)度的語(yǔ)音映射為一個(gè)固定長(zhǎng)度的向量。常見(jiàn)的聲紋特征提取前端使用的算法包括：基于高斯混合模型的通用背景模型(Gaussian mixture model based universalbackground model，GMM-UBM)/身份向量(identity vector，i-vector)算法(簡(jiǎn)稱(chēng)GMM/i-vector算法)、基于深度學(xué)習(xí)的語(yǔ)音識(shí)別聲學(xué)模型的通用背景模型/i-vector算法(簡(jiǎn)稱(chēng)DNN/i-vector算法)、以及使用深度學(xué)習(xí)模型對(duì)說(shuō)話(huà)人做分類(lèi)，并將最頂層的隱層輸出作為說(shuō)話(huà)人的聲紋向量的d-vector算法。

聲紋識(shí)別后端通過(guò)有監(jiān)督機(jī)器學(xué)習(xí)算法對(duì)該說(shuō)話(huà)人的聲紋矢量做分類(lèi)。它可以分為兩部分，第一個(gè)部分是通過(guò)有監(jiān)督機(jī)器學(xué)習(xí)方法將聲紋特征矢量映射為另一種新的聲紋特征矢量，第二個(gè)部分是通過(guò)有監(jiān)督機(jī)器學(xué)習(xí)方法對(duì)降維后的新聲紋特征矢量做分類(lèi)。對(duì)于第一個(gè)部分，常見(jiàn)的映射方法包括線(xiàn)性鑒別性分析(Linear discriminant analysis，LDA)、類(lèi)內(nèi)方差歸一化(Within-class covariance normalization，WCCN)以及擾動(dòng)屬性投影(Nuisance attribute projection，NAP)等。對(duì)于第二個(gè)部分，常見(jiàn)的分類(lèi)器包括cosine距離分類(lèi)器、支持向量機(jī)(Support vector machine，SVM)分類(lèi)器、概率線(xiàn)性鑒別性分析(Probabilistic linear discriminant analysis，PLDA)分類(lèi)器等。上述后端算法中LDA+PLDA的方法在許多標(biāo)準(zhǔn)化測(cè)試中取得了最優(yōu)性能，目前已被實(shí)際系統(tǒng)廣泛采用。

上述聲紋特征提取前端和聲紋識(shí)別后端可以任意組合形成聲紋識(shí)別系統(tǒng)。但是，目前的聲紋識(shí)別的準(zhǔn)確性還有待提高。

發(fā)明內(nèi)容

本申請(qǐng)?zhí)峁┝艘环N基于線(xiàn)性回歸的聲紋識(shí)別方法及系統(tǒng)，目的在于解決如何提高聲紋識(shí)別的準(zhǔn)確性的問(wèn)題。

為了實(shí)現(xiàn)上述目的，本申請(qǐng)?zhí)峁┝艘韵录夹g(shù)方案：

一種基于線(xiàn)性回歸的聲紋識(shí)別方法，包括：

從語(yǔ)音數(shù)據(jù)中獲取第一聲紋特征矢量；

使用預(yù)先訓(xùn)練的線(xiàn)性回歸模型，將所述第一聲紋特征矢量映射為第二聲紋特征矢量；

對(duì)所述第二聲紋特征矢量進(jìn)行分類(lèi)識(shí)別。

可選的，所述將所述第一聲紋特征矢量映射為第二聲紋特征矢量包括：

使用映射關(guān)系z(mì)＝A^Tx，將所述第一聲紋特征矢量映射為第二聲紋特征矢量，其中，A為所述預(yù)先訓(xùn)練的線(xiàn)性回歸模型，x為所述第一聲紋特征矢量，z為所述第二聲紋特征矢量。

可選的，所述線(xiàn)性回歸模型的訓(xùn)練過(guò)程包括：

從聲紋數(shù)據(jù)庫(kù)中獲取訓(xùn)練數(shù)據(jù)其中，x_i,j為從所述聲紋數(shù)據(jù)庫(kù)中的每句話(huà)抽取的一個(gè)d維的聲紋特征矢量，i＝1,…,n，j＝1,…,M_i，n為所述聲紋數(shù)據(jù)庫(kù)中的說(shuō)話(huà)人的數(shù)量，任意一個(gè)說(shuō)話(huà)人對(duì)應(yīng)M_n句話(huà)；y_i,j為第i個(gè)說(shuō)話(huà)人的n維示性矢量y_i,j＝[0,...,1,...,0]^T；d為預(yù)設(shè)數(shù)值；