[发明专利]一种声纹识别方法

权利要求书

1.一种声纹识别方法，包含声纹识别训练方法和声纹识别识别方法两个部分，本发明的训练方法和识别方法为：

1)录制多个人的不同文本内容的语音，通过语音的预处理阶段去除不相关语音，通过特征提取阶段获得人的声纹特征矢量；

2)对于每个人的声纹特征矢量建立模型，采用了一对一的SVM构建声纹模型，对于P个人，共构建个一对一svm模型；

3)在模型的求解过程采用SMO算法进行求解模型参数；

4)通过分析时间复杂度总结出训练模型的训练特征向量个数R和训练人数P与k-means迭代次数t的关系；

5)在识别阶段通过语音的预处理阶段去除不相关语音，通过特征提取阶段获得人的声纹特征矢量，然后通过加权聚类识别算法取出具有代表性的声纹特征；

6)根据得到的声纹特征，通过个SVM模型进行识别，最终得出待识别人。

2.如权利要求1所述的方法，其特征在于其中的步骤2)采用一对一的SVM模型和步骤5)通过加权聚类识别算法取出具有代表性的声纹特征，其中的具体过程如下

1)获得每个人的特征矢量v₁，v₂，…，v_N；

2)根据k-means算法聚成指定的K类，每个类中心为c₁，c₂，…，c_K；

3)将类中心依次代入一对一svm模型中并求临时得分tz_ij；

4)根据线性加权求解每个人的得分z_t；

5)求出最大得分即为待识别人。

3.如权利要求1所述的方法，其特征在于其中的步骤4)中关于训练特征向量个数和训练人数与k-mean迭代次数t的关系：

1)当训练模型的训练特征向量个数R和训练人数P平方的乘机远远大于聚类迭代次数t时，即RP²＞＞t，SVM加权聚类识别方法识别速度有巨大提升。

2)当训练特征向量数目确定，随着训练人数的增加，加权聚类算法和直接方法所需识别时间都呈现了指数级的增长；

3)当训练人数确定时，随这训练特征向量个数的增加，加权聚类算法和直接方法所需识别时间都呈现出了线性的增长方式。