[发明专利]用于说话人识别的多背景模型建立方法

权利要求书

1.用于说话人识别的多背景模型建立方法，其特征在于，所述方法是在数字集成电路芯片中依次按以下步骤实现的：

步骤(1)：采用Baum-Welch算法，用训练通用背景模型UBM的所有数据训练一个高斯混合模型GMMΛ₀；

步骤(2)：求取每段语音的声道长度弯折系数，具体做法为：

步骤(2.1)：声道长度弯折系数α从0.88以步长0.02变化到1.12，对信号频谱进行“弯折”，设弯折前后的频率为f，f^α，频谱的低通和高通截止频率为f_l，f_u，则弯折公式为

fα=f+2(fu-fl)πarctan((1-α)sinθ1-(1-α)cosθ),]]>

其中θ=f-flfu-flπ;]]>

步骤(2.2)：对步骤(2.1)中每个弯折系数对应的频谱求取Mel频率倒谱系数MFCC特征搜索使所述特征对模型Λ₀的似然度最大的弯折系数：

α^*即为该段语音的声道长度弯折系数；

步骤(3)：将训练UBM的数据按声道长度弯折系数分成8份，其中α^*＝0.88的为第1份，α^*＝0.90的为第2份，α^*＝0.92的为第3份，α^*＝0.94的为第4份，α^*＝0.96，0.98的为第5份，α^*＝1.00，1.02的为第6份，α^*＝1.04，1.06的为第7份，α^*＝1.08，1.10，1.12的为第8份，这样划分是由于考虑各份中数据量的平衡，采用所述Baum-Welch算法用每份数据训练一个UBM模型；

步骤(4)：用目标说话人的训练语音提取所述MFCC特征，并对8个UBM模型分别进行最大后验概率MAP自适应，得到8个GMM模型，具体自适应方法为：

步骤(4.1)：假设其中一个UBM的参数为w_m、μ_m和σ_m²分别表示权重、均值和方差，其数值由步骤(3)中的Baum-Welch算法得到，权重满足下标m表示高斯分量标号，共含M个高斯分量，假设训练语音共含T帧特征，其中第t帧特征为o_t，则o_t属于第m个高斯分量的后验概率为：

其中(·)表示高斯分布的概率密度，对t＝1，...，T，m＝1，...，M进行循环，计算每帧特征属于每个高斯分量的后验概率；

步骤(4.2)：将后验概率以及后验概率与特征的乘积对所有帧进行累加，计算零阶和一阶统计量：

nm=Σt=1Tγm(t),]]>

对m＝1，...，M进行循环，计算每个高斯分量的零阶和一阶统计量；

步骤(4.3)：对一阶统计量和UBM的均值进行线性插值，得到自适应后的GMM模型的均值：

其中插值系数为λ_m＝n_m/(n_m+r)，r为常数，取值为16，对m＝1，...，M进行循环，计算GMM模型的每个高斯分量的均值，其权重和方差直接采用UBM的对应的权重和方差；

步骤(5)：对于测试语音提取MFCC特征，然后分别用8组GMM和UBM模型求取对数似然比分数，从中选取最小的一个作为分数输出，具体方法为：

步骤(5.1)：假设测试语音共含T_e帧特征，则一组GMM和UBM模型的对数似然比分数为：

步骤(5.2)：按步骤(5.1)所述求取8组的对数似然比分数，从中选取最小的一个作为输出。