[发明专利]一种基于概率线性鉴别分析模型的说话人聚类方法及系统有效

专利信息
申请号: 201410459009.9 申请日: 2014-09-10
公开(公告)号: CN105469784B 公开(公告)日: 2019-01-08
发明(设计)人: 杨琳;索宏彬;周若华;颜永红 申请(专利权)人: 中国科学院声学研究所;北京中科信利技术有限公司
主分类号: G10L15/06 分类号: G10L15/06;G10L17/00;G10L17/04
代理公司: 北京方安思达知识产权代理有限公司 11472 代理人: 王宇杨;王敬波
地址: 100190 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 概率 线性 鉴别 分析 模型 生成 方法 说话 人聚类 系统
【权利要求书】:

1.一种基于概率线性鉴别分析模型的说话人聚类方法,该方法包括如下步骤:

步骤201),对待聚类说话人语句进行预处理;所述待聚类说话人语句的个数为S;

步骤202),提取预处理后的待聚类说话人语句的梅尔频率倒谱系数特征;

步骤203),基于预处理后的待聚类说话人语句的梅尔频率倒谱系数特征计算所有待聚类说话人语句的总变化量因子;

步骤204),基于所述的概率线性鉴别分析模型计算两两待聚类说话人语句的总变化量因子的概率线性鉴别分析距离;

步骤205),基于概率线性鉴别分析距离确定的密度值选择初始的类别数目和每个类包含的语句;

步骤206),通过聚类算法获取最终的类别数目和每个类包含的语句;

所述概率线性鉴别分析模型的生成步骤包括:

步骤101),采集一定数量的语音数据作为训练语句,并进行预处理;

步骤102),提取预处理后的训练语句的梅尔频率倒谱系数特征;

步骤103),基于预处理后的训练语句的梅尔频率倒谱系数特征计算每个训练语句的总变化量因子;

步骤104),基于所有训练语句的总变化量因子生成概率线性鉴别分析模型;所述概率线性鉴别分析模型包括:说话人矩阵和概率线性鉴别分析模型的残差方差矩阵;

在步骤205)中,所述基于概率线性鉴别分析距离确定的密度值选择初始的类别数目和每个类包含的语句包括:

选择与第p,p=1…S个语句总变化量因子的PLDA距离最小的K个语句,所选择的K个语句集合记为Bp,所述K可以通过经验和统计规律优选获得;计算K个PLDA距离的均值为:

其中,wp为第p个语句的总变化量因子,wq为为第q个语句的总变化量因子;dp为第p个语句的的密度值;对应的K+1个语句的总变化量因子的均值为:

为上述K+1个语句的类中心;dp越小表明以为类中心时类的密集程度越高;

对S个密度值dp,p=1…S按照从小到大进行排序,然后按顺序选择M个dp对应的类中心所述M可以通过经验和统计规律优选获得;对其中的第m,m=1…M个类中心,从所有训练语句中选择与其PLDA距离最小的gm个语句划分为同一类,类表示为所包含的语句集合:Bm={gm个语句},gm取随机值,满足对应的类中心为类中包含的训练语句的总变化量因子的均值,计算方法为:

所述初始类别数目为M,所述每个类包含的语句为集合Bm,其中m=1,…M;初始类中心为其中m=1,…M。

2.根据权利要求1所述的基于概率线性鉴别分析模型的说话人聚类方法,其特征在于,在步骤206)中,所述聚类算法为K均值层次聚类算法或层次化凝聚聚类算法。

3.一种基于概率线性鉴别分析模型的说话人聚类系统,其特征在于,所述的系统包含:

前端处理模块,用于对待聚类说话人语句进行预处理;

特征提取模块,用于提取预处理后的待聚类说话人语句的梅尔频率倒谱系数特征;

总变化量因子计算模块,用于计算所有待聚类说话人语句的总变化量因子;

概率线性鉴别分析建模模块:用于采集一定数量的语音数据作为训练语句,并进行预处理;提取预处理后的训练语句的梅尔频率倒谱系数特征;基于预处理后的训练语句的梅尔频率倒谱系数特征计算每个训练语句的总变化量因子;基于所有训练语句的总变化量因子生成概率线性鉴别分析模型;

概率线性鉴别分析距离计算模块,用于基于概率线性鉴别分析模型两两计算待聚类说话人语句的总变化量因子的概率线性鉴别分析距离;

初始类选择模块,用于基于基于概率线性鉴别分析距离确定的密度值选择初始类,所述初始类包括初始类别数目和每个类包含的语句;

所述基于概率线性鉴别分析距离确定的密度值选择初始类包括:

选择与第p,p=1…S个语句总变化量因子的PLDA距离最小的K个语句,所选择的K个语句集合记为Bp,所述K可以通过经验和统计规律优选获得;计算K个PLDA距离的均值为:

其中,wp为第p个语句的总变化量因子,wq为为第q个语句的总变化量因子;dp为第p个语句的的密度值;对应的K+1个语句的总变化量因子的均值为:

为上述K+1个语句的类中心;dp越小表明以为类中心时类的密集程度越高;

对S个密度值dp,p=1…S按照从小到大进行排序,然后按顺序选择M个dp对应的类中心所述M可以通过经验和统计规律优选获得;对其中的第m,m=1…M个类中心,从所有训练语句中选择与其PLDA距离最小的gm个语句划分为同一类,类表示为所包含的语句集合:Bm={gm个语句},gm取随机值,满足对应的类中心为类中包含的训练语句的总变化量因子的均值,计算方法为:

所述初始类别数目为M,所述每个类包含的语句为集合Bm,其中m=1,…M;初始类中心为其中m=1,…M;

聚类模块,用于通过聚类算法获取最终的类别数目和每个类包含的语句。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院声学研究所;北京中科信利技术有限公司,未经中国科学院声学研究所;北京中科信利技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201410459009.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top