[发明专利]一种与说话内容无关的声纹鉴别认证方法

说明书

技术领域

本发明为一种与说话内容无关的声纹鉴别认证方法，属于模式识别和身份认证技术领域。

背景技术

在已有的技术中，基于通用背景模型(Universal Background Model，以下简称UBM)的一种与说话内容无关的声纹鉴别认证(Voiceprint Identification Certification)方法，包括通用背景模型训练方法，样本声纹模型自适应方法，及检材声纹鉴别认证方法三个部分。

通用背景模型UBM训练方法：

(1)从大量说话人的声纹信号中提取出声纹特征，形成多个说话人的特征矢量序列；

(2)使用提取出的特征矢量序列训练出一个大型的、能够表征人类声纹信息的背景空间模型。方法是对所有说话人的声纹特征矢量采用某种聚类方法(如K-均值算法、EM算法)进行聚类，得到M个高斯分量，其中第m个高斯分布均值向量为μ_m，协方差矩阵为∑_m，第m个高斯分布聚类中涵盖的特征矢量数目占总体特征矢量数目的百分比称为ω_m，则通用背景模型可表征为：

UBM={μmubm,Σmubm,ωmubm|1≤m≤M}.]]>

样本声纹模型自适应方法：

(1)从样本语音信号中提取出声纹信息特征，形成样本特征矢量序列；

(2)将通用背景模型UBM根据样本特征矢量序列，自适应调整成符合样本特性的样本模型，自适应方法可采用现有的自适应方法得到(如MAP自适应方法)，最终形成的样本声纹模型为 其与通用背景模型的高斯分量具有一一对应关系。

检材声纹鉴别认证方法：

(1)从待鉴别认证的检材语音中提取声纹信息特征，形成待鉴别认证的声纹特征矢量序列；

(2)将检材的声纹特征矢量序列与样本声纹模型比较，得到一个匹配平均得分，再与背景模型比较，得到另一个匹配平均得分，最终将前者得分减去后者得分即得到最终得分结果，根据得分的高低给出鉴别认证结果。

缺点：(1)声纹信息特征并不完全符合高斯分布，与高斯模型不够吻合；(2)高斯模型各高斯分量间正交性差，区分性不够强；(3)缺少信道补偿能力，抗噪、抗信道干扰能力有限；(4)结果得分为似然比得分，难于被认证人员理解和掌握。

发明内容

本发明的目的在于提山一种与说话内容无关的声纹鉴别认证方法(1)通过对声纹信息特征的高斯化处理方法，使特征和模型间吻合，并能克服部分噪声干扰；(2)通过使用集内、集外区分性分析方法，使模型各分量间更具区分性；(3)通过信道补偿方法，使信道干扰减轻；(4)使用非线性弯折投影方法，将似然比得分折算成更加符合认证需要的百分比形式。

本发明的一种与说话内容无关的声纹鉴别认证方法，包括以下步骤：

(1)从大量说话人的声纹信号中提取声纹特征信息，形成背景特征矢量序列；

(2)将背景特征矢量序列做短时高斯化处理；

(3)将处理后的背景特征矢量序列通过异质线性区分性分析方法得到区分性矩阵和最终背景特征矢量序列；

(4)将最终背景特征矢量序列聚类成M类高斯混合空间背景模型；

(5)从大量不同信道、不同说话人的声纹信号中提取声纹特征信息，形成信道背景特征矢量序列，并将该特征矢量序列做高斯化处理及区分性处理，再通过因子分析技术得到信道信息矩阵；

(6)从样本说话人声纹信号中提取其声纹特征信息，形成样本特征矢量序列，并通过短时高斯化处理、区分性矩阵处理得到最终样本特征矢量序列；

(7)将样本特征矢量序列通过自适应模型调整方法从高斯混合空间背景模型调整为含有其个性信息的样本说话人模型；