[发明专利]基于稀疏降维的说话人识别方法

说明书

技术领域

本发明属于音频技术领域，特别涉及一种基于稀疏降维的说话人识别方法。

背景技术

为了提高分类或聚类等算法的性能并减少计算复杂度，通常采用将其原始特征的高维空间降维（dimension reduction）到子空间的方法。降维技术广泛应用于机器学习领域，用于进行数据压缩及在低维子空间上保持重要的信息。

主成分分析（Principal Components Analysis，PCA）技术使得高维的高斯分布采样和映射后的低维采样之间的互信息（mutual information）最大化。主成分分析法借助于正交变换，将其分量相关的原随机向量转化成其分量不相关的新随机向量，这在代数上表现为将原随机向量的协方差阵变换成对角形阵，在几何上表现为将原坐标系变换成新的正交坐标系，使之指向样本点散布最开的几个正交方向，然后对多维变量系统进行降维处理，使之能以较高精度转换成低维变量系统，通过构造适当的价值函数，进一步把低维系统转化成一维系统。主成分分析算法的基本原理如下：

假设有一组d维矢量Y＝[y₁y₂...y_n]可以表示为：

y_j＝Wx_j+m   (1)

其中W是d×c维矩阵，x_j为c维主成分矢量，m为d(c≤d≤n)维偏差矢量。主成分分析算法通过寻找合适的W、x_j和m使得按照如下公式定义的代价函数C最小：

C=Σj=1n||yj-Wxj-m||2---(2)]]>

其中y_j为d维矢量，x_j为c维矢量。

线性判别分析（Linear Discriminant Analysis，LDA）通过最大化类间散度（between-class scatter）和最小化类内散度（within-class scatter）来保持鉴别性信息（discriminative information）。基本思想是将高维的模式样本投影到最佳鉴别矢量空间，以达到抽取分类信息和压缩特征空间维数的效果，投影后保证模式样本在新的子空间有最大类间散度和最小类内散度，即模式在该空间中有最佳可分离性。线性判别分析算法的基本原理如下：

假设有属于整数c(c＞0)类的给定数据{x_i,j∈R^N}，其中i(1≤i≤c)表示类别，j表示第i类中的第j(1≤j≤n_i)个数据，n_i为第i类中的数据数，数据总数为n，第i类的平均值为m_i，所有数据的整体平均值为m。线性判别分析的目标是寻找x_i,j的一个最佳投影矩阵w，保证经过投影后的数据y＝w^T(x-m)在新的空间中具有最小类内散度和最大类间散度。类内散度矩阵S_w和类间散度矩阵S_b分别表示同类数据间的分散程度和不同类数据间的分散程度：