[发明专利]基于加权贝叶斯混合模型的与文本无关的说话人识别方法

权利要求书

1.基于加权贝叶斯混合模型的与文本无关的说话人识别方法，其特征在于，所述方法包括如下步骤：

步骤1：对语音信号进行预处理：包括采样与量化、预加重、分帧与加窗；

步骤2：语音帧上的特征提取：对每一语音帧，计算D阶线性预测倒谱系数，将其作为该帧的D维特征矢量；

步骤3：对于每一说话人所对应的训练集合X＝{x_n}_n＝1,...,N，其中N为该说话人用于训练的D维特征矢量x_n的个数；用加权贝叶斯混合模型，即WBMM来建模X，通过训练估计出WBMM中的参数值以及随机变量的分布，在该识别系统中需要识别G个说话人，则重复训练过程G次，分别得到WBMM₁,…,WBMM_g,...,WBMM_G；

步骤4：对于待识别的语音，首先进行预处理以及特征提取，得到相应的D维特征矢量x'；计算x'关于每一个说话人对应的模型WBMM₁,…,WBMM_g,…,WBMM_G的边缘似然值{MLIK_g(x')}_g＝1,...,G，最终的识别结果为最大的MLIK_g(x')所对应的说话人speaker，即：

$spea\ker \left(x^{\′}\right)=\arg {\max }_{g=1}^G{\mathrm{MLIK}}_g\left(x^{\′}\right).$

2.根据权利要求1所述的基于加权贝叶斯混合模型的与文本无关的说话人识别方法,其特征在于，所述方法步骤3所述的通过训练估计出WBMM中的参数值以及随机变量的分布的步骤如下：

步骤3-1：设定WBMM中的超参数{λ₀,m₀,β₀,ν₀,V₀}的值，其中，λ₀＝0.01，m₀＝0，0为D维零矢量，β₀＝1，ν₀＝D，V₀＝400·I，I为(D×D)的单位矩阵；

步骤3-2：设定附加参数α的值，α取-8～-1之间的任意整数；

步骤3-3：产生N个服从[1,K]区间上均匀分布的随机整数，其中K为WBMM的混合成分数，取16～32中的任意整数，统计该区间上各整数出现的概率θ_i；即，如果产生了N_i个整数i，那么θ_i＝N_i/N；对于每个{x_n}_n＝1,...,N，对应的隐变量{z_n}_n＝1,...,N的初始分布为：

$q\left(z_n\right)=\underset{i=1}{\overset{K}{\Π}}q(z_{ni}=1)=\underset{i=1}{\overset{K}{\Π}}{\mathrm{\θ}}_i;$

此外，设定迭代次数计数变量t＝1，开始迭代循环；

步骤3-4：计算三个中间变量：

$s_i=\underset{n=1}{\overset{N}{\Σ}}q(z_{ni}=1)$

${\stackrel{\‾}{x}}_i=\frac{1}{s_i}\underset{n=1}{\overset{N}{\Σ}}q(z_{ni}=1)\·x_n$

$C_i=\frac{1}{s_i}\underset{n=1}{\overset{N}{\Σ}}q(z_{ni}=1)\·(x_n-{\stackrel{\‾}{x}}_i)\·{(x_n-{\stackrel{\‾}{x}}_i)}^T$

步骤3-5：更新WBMM中的随机变量{π_i}_i＝1,...,K的分布，其表示第i个混合成分的比重，它服从Dirichlet分布，即，q(π_i)＝Dir(π_i|λ_i)，相应的超参数{λ_i}_i＝₁,...,_K的更新公式如下：

${\mathrm{\λ}}_i={\mathrm{\λ}}_0+\frac{1-\mathrm{\α}}{2}\·s_i$

步骤3-6：更新WBMM中随机变量{μ_i,T_i}_i＝1,...,K的分布，其分别表示第i个成分的均值和逆协方差矩阵，所述第i个成分的均值和逆协方差矩阵服从联合Gaussian-Wishart分布，即q(μ_i,T_i)＝N(μ_i|m_i,(β_iT_i)^-1)W(T_i|ν_i,V_i)，相应的超参数{m_i,β_i,ν_i,V_i}_i＝1,...,K的更新如下：

${\mathrm{\β}}_i={\mathrm{\β}}_0+\frac{1-\mathrm{\α}}{2}\·s_i,$

$m_i=\frac{1}{{\mathrm{\β}}_i}({\mathrm{\β}}_0{m}_0+\frac{1-\mathrm{\α}}{2}\·s_i\·{\stackrel{\‾}{x}}_i),$

$v_i=v_0+\frac{1-\mathrm{\α}}{2}\·s_i,$

$V_i^{-1}=V_0^{-1}+\frac{1-\mathrm{\α}}{2}\·s_i\·C_i+\frac{{\mathrm{\β}}_0{s}_i(1-\mathrm{\α})}{2{\mathrm{\β}}_0+s_i(1-\mathrm{\α})}\·({\stackrel{\‾}{x}}_i-m_0)\·{({\stackrel{\‾}{x}}_i-m_0)}^T;$

步骤3-7：更新隐变量{z_n}_n＝1,...,N的分布，如下：

$q\left(z_n\right)=\underset{i=1}{\overset{K}{\Π}}{\left(\frac{{\mathrm{\γ}}_{ni}}{{\Σ}_{j=1}^K{\mathrm{\γ}}_{nj}}\right)}^{z_{ni}}$

其中，

${\mathrm{\γ}}_{ni}=\exp \{\left(\frac{1-\mathrm{\α}}{2}\right)\·\<\ln {\mathrm{\π}}_i\>+\left(\frac{1-\mathrm{\α}}{4}\right)\·\[\<\ln |T_i|\>-D\ln \left(2\mathrm{\π}\right)-\<{(x_n-{\mathrm{\μ}}_i)}^T{T}_i(x_n-{\mathrm{\μ}}_i)\>\]\}$

在上式中，各项期望<·>的计算公式如下：

$\&lt;{\mathrm{ln\&pi;}}_i\&gt;=\mathrm{\&psi;}\left({\mathrm{\&lambda;}}_i\right)-\mathrm{\&psi;}\left({\mathrm{\&Sigma;}}_{j=1}^K{\mathrm{\&lambda;}}_j\right),$

$\&lt;ln\left|T_i\right|\&gt;=\underset{d=1}{\overset{D}{\&Sigma;}}\mathrm{\&psi;}\left(\frac{v_i+1-d}{2}\right)+Dln2+ln\left|V_i\right|,$

$\&lt;{(x_n-{\mathrm{\&mu;}}_i)}^T{T}_i(x_n-{\mathrm{\&mu;}}_i)\&gt;={\mathrm{D\&beta;}}_i^{-1}+v_i{(x_n-m_i)}^T{V}_i(x_n-m_i)$

上面公式中ψ(·)为标准的digamma函数，Gamma函数Γ(·)的对数的导数，即

ψ(·)＝(lnΓ(·))′；

步骤3-8：计算当前迭代后的边缘似然值MLIK_t，t为当前的迭代次数：

${\mathrm{MLIK}}_t=\underset{n=1}{\overset{N}{\&Sigma;}}\underset{i=1}{\overset{K}{\&Sigma;}}q(z_{ni}=1)\&CenterDot;\left(\frac{1-\mathrm{\&alpha;}}{2}\right)\&CenterDot;\{\&lt;{\mathrm{ln\&pi;}}_i\&gt;+0.5\&times;\&lsqb;\&lt;\ln |T_i|\&gt;-D\ln \left(2\mathrm{\&pi;}\right)-\&lt;{(x_n-{\mathrm{\&mu;}}_i)}^T{T}_i(x_n-{\mathrm{\&mu;}}_i)\&gt;\&rsqb;\};$

步骤3-9：计算当前迭代后与上一次迭代后的边缘似然值的差值ΔMLIK＝MLIK_t-MLIK_t-1；如果ΔMLIK≤δ，那么通过训练估计出WBMM中的参数值以及随机变量的分布的过程结束，否则转到上述步骤3-4，t的值增加1，进行下一次迭代；阈值δ的取值范围为10^-5～10^-4。