[發(fā)明專利]一種會議場景小樣本條件下的聲紋識別方法

在審

• 申請?zhí)枺?/td>: 202011038136.3
• 申請日: 2020-09-28
• 公開（公告）號: CN112259107A
• 公開（公告）日: 2021-01-22
• 發(fā)明（設計）人: 張暉;趙夢;趙海濤;孫雁飛;朱洪波
• 申請（專利權）人: 南京郵電大學
• 主分類號: G10L17/06
• 分類號: G10L17/06;G10L17/16;G10L17/02;G10L25/24
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 柏尚春

1.一種會議場景小樣本條件下的聲紋識別方法，其特征在于，包括以下步驟：

(1)對采集到的說話人語音進行預處理，提取梅爾頻率倒譜系數(shù)及其一階差分系數(shù)和高斯頻率倒譜系數(shù)及其一階差分系數(shù)共振峰；

(2)利用HMM-UBM對語音信號進行時序建模，使用RVM學習得到每位說話人語音的分類信息；

(3)通過對待識別人建立HMM模型，并將RVM作為分類器進行判決決策得到分類結果。

2.根據(jù)權利要求1所述的會議場景小樣本條件下的聲紋識別方法，其特征在于，所述步驟(1)包括以下步驟：

(11)對語音信息進行采樣量化、DFT操作后通過Mel頻率濾波器組，然后取對數(shù)，DCT求倒譜得到MFCC參數(shù)，并求得其一階差分倒譜系數(shù)；

(12)對語音信號進行快速傅里葉變換，取絕對值后通過Gammatone濾波器組，取對數(shù)后進行離散傅里葉變換求得GFCC參數(shù)，并求得其一階差分倒譜系數(shù)；

(13)混合特征參數(shù)，將MFCC、ΔMFCC、GFCC、ΔGFCC作為混合特征參數(shù)；

(14)采用線性判別分析LDA進行特征轉換，實現(xiàn)數(shù)據(jù)降維，使新特征更具區(qū)分性。

3.根據(jù)權利要求1所述的會議場景小樣本條件下的聲紋識別方法，其特征在于，步驟(2)所述的時序建模過程如下：

采用HMM來對相關性進行建模，同時采用全局高斯混合模型作為UBM表達說話人聲道特征在訓練樣本中的分布概率，并自適應時更新該參數(shù)，更新過程如下：

設注冊話者的輸入特征矢量為{x_i|i＝1,2,...，t}，計算其在所有訓練樣本中的概率分布，若話者對應第i個訓練樣本，則其概率分布為：

其中，p_i(x_i)為第i個訓練樣本的密度函數(shù)，ω_i為第i個訓練樣本的權重系數(shù)，p_r(i|x_i)為第i個訓練樣本的后驗概率，表示在測試語音的特征矢量為x_i的條件下，測試語音對應第i個訓練語音的概率；

利用p_r(i|x_i)和均值向量進行從分統(tǒng)計，統(tǒng)計公式為：

通過所有訓練數(shù)據(jù)產(chǎn)生新的均值統(tǒng)計量，更新UBM第i個混合分量的均值矢量得到第i個分量的HMM-UBM模型，如下所示：

其中，為第i個分量的HMM-UBM模型，E_i(x)為第i個訓練語音的統(tǒng)計公式。

4.根據(jù)權利要求1所述的會議場景小樣本條件下的聲紋識別方法，其特征在于，所述步驟(2)包括以下步驟：

(21)作為輸入序列，訓練得到HMM-UBM模型后計算每位注冊說話人語音與訓練語音的匹配得分，歸一化后組合成一個特征向量；每條注冊語音對其他語音的匹配得分，計算公式如下：

O_t0-ik(X_t0)＝log(X_t0|λ_ik)-log(X_t0|λ_UBM)

其中，X_t0為訓練樣本中第t位說話人注冊語音的HMM特征序列，λ_ik為訓練樣本中的第i位說話人第k條語音的HMM-UBM特征序列，λ_UBM為背景模型的特征序列；對匹配得分進行歸一化：

將每條注冊語音歸一化的數(shù)據(jù)組成向量V，對第t位說話人，其注冊語音的特征向量為V_t0＝{Score_t0-00,Score_t0-01,…,Score_t0-n9}；

(22)將每位注冊說話人的特征向量提供給RVM訓練，得到語音分類信息，即RVM分類器。