[发明专利]一种说话人识别方法

说明书

本发明涉及一种说话人识别方法，该方法首先生成说话人识别模型，把背景语音和目标说话人语音作为训练数据，训练出第一高斯混合‑通用背景模型，总变化空间，第二高斯混合‑通用背景模型，局部线性鉴别分析模型；利用第一高斯混合‑通用背景模型，总变化空间，第二高斯混合‑通用背景模型计算出待识别语音的总变化因子和总变化因子的后验概率，输入局部线性鉴别分析模型进行转换，得到维数更低的矢量，输入后端识别器输出识别结果。本方法增加了说话人间的鉴别性，可提高说话人识别性能；同时该方法可以对总变化因子进行降维，提升了识别速度，具有很高的实用性。

技术领域

本发明涉及语音数据中说话人信息的识别方法，更具体地说，本发明涉及一种基于局部线性鉴别分析的说话人识别方法。

背景技术

随着现代社会信息的全球化，说话人识别已经成为语音识别技术研究热点之一。说话人识别技术是身份验证技术---生物特征识别技术的一种，与其他身份验证技术相比，说话人识别更加方便、自然，且具有比较低的用户侵犯性。说话人识别任务根据实际应用的类型不同，可以分为说话人辨认和说话人确认。其中，说话人辨认在全部目标说话人的范围内进行，其性能与目标人数目有关，随着人数的增加性能逐步下降。与此同时，在实际应用中往往需要处理大量的语音数据，速度成为需要考虑的因素之一。如何利用有限的训练数据，训练具有说话人鉴别性的模型，并快速准确地识别出语音中说话人信息的说话人识别技术成为一个研究重点。

文献[1](D.A.Reynolds,T.F.Quatieri,R.B.Dunn.Speaker verification usingadapted gaussian mixture models.Digital Signal Processing,2000,10(1–3):19-41.)指出，对于各语种各信道下语音数据的声学谱特征，通过采用高斯混合-通用模型进行建模，然后针对每一句语音计算在其上面的后验统计量，通过自适应得到一个说话人相关的高斯混合-通用模型，该模型可以有效识别语音数据中的说话人信息。基于高斯混合-通用模型可以计算出语音数据的总变化因子。

目前，总变化因子技术已广泛的应用于说话人识别技术中。然而，由于信道，背景，语言，感情，年龄，健康等因素的影响，总变化因子的分布常常表现出多模态特性，甚至可能出现异常值。文献[2](N.Dehak,P.Kenny,R.Dehak,P.Dumouchel,P.Ouellet.Front-endfactor analysis for speaker verification.IEEE Transactions on Audio,Speechand Language Processing,2011,19(4):788-798.)提出：对总变化因子使用类内协方差规整技术和线性鉴别分析降维技术可以有效的补偿信道损失并加入鉴别性信息。但线性鉴别分析技术对总变化因子的信道损失补偿是有限的，无法有效地处理上述问题。

文献[3](Kim,Tae-Kyun and Kittler,Josef.Locally linear discriminantanalysis for multimodally distributed classes for face recognition with asingle model image.IEEE Transactions on Pattern Analysis and Machineintelligence,2005,27(3):318-327.)提出了局部线性鉴别分析技术(线性鉴别分析技术是高斯数目为1时的特例)，这个技术已成功有效地应用在人脸识别上。在传统的说话人识别系统中，由于语音数据的维度很高，导致计算量加大，内存的需求急剧上升，导致局部线性鉴别分析技术无法应用到说话人识别中。

由于总变化因子技术的出现，一段语音可以用低维的特征矢量表示(通常在400-600维)，这为局部线性鉴别分析技术应用在说话人识别上提供了帮助。

发明内容