[发明专利]一种基于贝叶斯信息准则的线上说话人聚类分析方法

权利要求书

1.一种基于贝叶斯信息准则的线上说话人聚类分析方法，其特征在于：其方法为：使用已有的基于人耳感知的Mel频率倒谱系数MFCC作为说话人聚类分析的基本语音特征，采取贝叶斯信息准则作为数据边界划分模块和说话人聚类模块的决策方法，其具体方法步骤如下：

第一步，采用原始基本语音特征数据：将采集到的原始音频信号，通过使用基于人耳感知的Mel频率倒谱系数作为说话人聚类分析的基本语音特征，形成原始基本语音特征数据；

第二步，采用贝叶斯信息准则进行音频数据分段：将原始基本语音特征数据通过贝叶斯信息准则进行分段； 

第三步，音频特征的提取：采用贝叶斯信息准则对数据的边界进行评估； 

第四步，利用贝叶斯信息准则对准确边界划分的音频片段进行聚类：该聚类的准则是新的数据段归并到已有数据簇和开辟新的数据簇的收益代价之差，且选出含有有效数据的段进行聚类，其它的段被统一划归到垃圾簇，最终由若干聚类族形成聚类模块。

2.根据权利要求1所述的线上说话人聚类分析方法，其特征在于：所述第二步中，通过贝叶斯信息准则进行分段的方法如下：

其一，在数据分段过程中，分帧窗口的大小需要采用变长模式，以避免不同长度的语音信号出现错误地划分和分段；

其二，在数据分段过程中，如果分帧窗口较小，需要较缓慢的增加窗口的大小；如果分帧窗口较大，需要快速的增加窗口的大小；在数据分段过程中，引进变长窗口，尝试在当前窗口中寻找满足条件的边界，如果没有找到候选的边界，就给当前窗口增加△Ni帧，如果依然没能找到边界，则继续向窗口中添加ΔNi+1帧，其中△Ni =△Ni+1+?i，?i =2?i+1；如此叠加直到在窗口中找到边界或者窗长已经延续到最大长度。

3.根据权利要求2所述的线上说话人聚类分析方法，其特征在于：在所述其二中，在窗长发生变化时，需要采用变形的△BIC表达式给出合理地边界划分决策：

△BIC=-n/2·log|?_?|+i/2·log|?_f|+(n-i)log|?_s|+1/2·?（d+d(d+1)/2）logn

其中|?_?|是模型M₁中全部窗口的协方差之和，|?_f|是模型M₂中第一个子切分｛x₁，…，x_i｝的全部窗口的协方差之和，|?_S|是第二个子切分｛x_i+1，…，x_n｝的全部窗口的协方差之和。

4.根据权利要求1所述的线上说话人聚类分析方法，其特征在于：所述第三布中，采用贝叶斯信息准则对数据的边界进行评估的方法为：

设窗口的初始长度为100帧长，接下来尝试在当前窗口中寻找满足条件的边界，

如果没有找到候选的边界，就给当前窗口增加ΔN_i帧，如果依然没能找到边界，则继续向窗口中添加ΔN_i+1帧，其中ΔN_i=ΔN_i+1+ ?_i , ?_i =2?_i+1；如此叠加直到在窗口中找到边界或者窗长已经延续到最大长度；

如果通过上述方法已经找到了候选的边界，则窗口重定位到当前的边界处，重复上述分析过程直到找到所有的候选边界；然后从每个片段连续的音频流中得到10ms间隔的MFCC特征向量作为聚类的准则，使用标准的24维MFCC信息作为基本的音频特征；得到若干进行了准确边界划分的音频片段，形成音频信号分段模块。

5.根据权利要求1所述的线上说话人聚类分析方法，其特征在于：所述四步中，在信号聚类过程中，从每个片段连续的音频流中得到10ms间隔的MFCC特征向量作为聚类的准则，将已分段的若干音频片段不断进行组合，形成聚类簇，将新加入的已准确边界划分好音频片段，当有新的数据特征段加入的时候，对于所有可能的(i，j)组合，将计算出合并收益?（Ci，Sj）和合并收益?（Si，Sj），其中，?（Xi，Xj）=BIC(Xi∪Xj)-BIC（Xi，Xj）；

Xi和Xj代表一个聚类簇或者新的数据特征段，此时，通过计算最大似然收益△BICMAX来决策是否进行聚合；

如果最大似然收益值为正，则需要合并当前的组合｛Ci0，S j0｝或者｛Si0，S j0｝；

如果最大似然收益值为负，则需要在保持现有簇独立的情况下，创建新的聚类簇。