[發(fā)明專(zhuān)利]一種基于獨(dú)立向量分析的語(yǔ)音特征融合的說(shuō)話人識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110972388.1
• 申請(qǐng)日: 2021-08-24
• 公開(kāi)（公告）號(hào): CN113793614A
• 公開(kāi)（公告）日: 2021-12-14
• 發(fā)明（設(shè)計(jì)）人: 張燁;馬彪
• 申請(qǐng)（專(zhuān)利權(quán)）人: 南昌大學(xué)
• 主分類(lèi)號(hào): G10L17/02
• 分類(lèi)號(hào): G10L17/02;G10L17/06;G10L25/45;G10L25/24;G10L25/03
• 代理公司: 北京眾合誠(chéng)成知識(shí)產(chǎn)權(quán)代理有限公司 11246
• 代理人: 王煥巧

1.一種基于獨(dú)立向量分析的語(yǔ)音特征融合的說(shuō)話人識(shí)別方法，其特征在于：首先將語(yǔ)音信號(hào)的時(shí)域特征和頻域特征分別構(gòu)成時(shí)域特征矩陣和頻域特征矩陣；然后，將時(shí)域特征矩陣和頻域特征矩陣構(gòu)成一個(gè)特征張量；最后，利用獨(dú)立向量分析，從此特征張量中提取融合特征，建立說(shuō)話人模型，實(shí)現(xiàn)說(shuō)話人的識(shí)別。

2.根據(jù)權(quán)利要求1所述的基于獨(dú)立向量分析的語(yǔ)音特征融合的說(shuō)話人識(shí)別方法，語(yǔ)音特征融合過(guò)程按如下步驟：

①利用漢明窗將說(shuō)話人的語(yǔ)音信號(hào)分幀，提取每一幀的時(shí)域特征向量和頻域特征向量，將提取出的特征向量分別構(gòu)成K個(gè)特征矩陣，即其中，x^[k](t)表示第k個(gè)特征類(lèi)型的第t幀的特征向量，N表示特征的維數(shù)，T表示語(yǔ)音幀的個(gè)數(shù)；

②將K個(gè)特征矩陣X^[k]并聯(lián)成一個(gè)張量是一種沒(méi)有使用獨(dú)立向量分析的融合特征，為了和提出的融合特征相區(qū)別，被記為特征張量；對(duì)此特征張量采用獨(dú)立向量分析建立說(shuō)話人的模型，提取獨(dú)立向量，即

其中，為融合特征，其中為獨(dú)立向量的估計(jì)；是由K個(gè)解混矩陣并聯(lián)構(gòu)成的解混張量作為說(shuō)話人的模型；

③利用優(yōu)化函數(shù)來(lái)估計(jì)獨(dú)立向量和解混張量，即：

上式中，H[·]表示信息熵，det(·)表示行列式，為獨(dú)立向量的估計(jì)，n∈{1,...,N}，C＝H[x^[1](t),...,x^[K](t)]是一個(gè)常數(shù)；

采用牛頓算法同時(shí)更新K個(gè)解混矩陣的第n行表示第k個(gè)解混矩陣的第n行，n∈{1,...,N}，即

其中，μ為學(xué)習(xí)率，表示損失函數(shù)對(duì)w_n的導(dǎo)數(shù)，為Hessian矩陣。