[发明专利]一种说话人标记方法

说明书

本发明提出一种说话人标记方法，属于声纹识别、模式识别与机器学习技术领域。本方法包括三个阶段：在第一阶段，通过i‑vector概率线性鉴别分析凝聚层次聚类方法将待测语音数据分为长度相等的片段，然后将片段聚为与说话人总数相等的类；在第二阶段，利用第一阶段的聚类结果，得到片段属于说话人的先验概率；在第三阶段，通过基于软判决的变分贝叶斯隐马尔科夫方法进行迭代，当系统收敛时，计算片段所属的说话人，说话人标记结束。本发明结合了两种说话人标记方法的优点，可有效地提高说话人标记的准确率。

技术领域

本发明属于声纹识别、模式识别与机器学习技术领域，特别地涉及一种基于Ivec-PLDA-AHC和VB-HMM的说话人标记方法。

背景技术

说话人标记就是对一段多人说话的语音进行处理，把同一个说话人的语音片段聚到一起，也就是标记谁在什么时候说话。说话人标记的意义在于，应用到电话会议、国际会议中时，可以作为会议记录的资料被保存，同时对说话人的准确识别也自然会有助于后续的语音处理与语义识别。另外，在监控领域，说话人标记可以对被监控对象的声音语言进行记录，应用至公安领域或是军事领域，对保卫治安乃至国家安全都有所贡献。

现有的说话人标记常用的方法是I vector概率线性鉴别分析凝聚层次聚类方法(ivector-probabilistic linear discriminant analysis-agglomerativehierarchical clustering(Ivec-PLDA-AHC))。该方法将语音分割成均匀的，长度相等的短片段。由于片段足够短，可认为每个片段只含一个说话人。Ivec-PLDA-AHC方法首先将每个片段当成一类，为每个片段提取一个i-vector(说话人识别中常用的特征向量)，利用PLDA打分计算i-vector两两之间的距离，然后将距离最近的两个类聚到一起，形成新的类。重复这一过程直到类别数等于说话人个数，说话人标记结束。

Ivec-PLDA-AHC说话人标记方法的缺点是没有考虑片段与片段之间的时序信息，最终标记结果可能会出现短时间内说话人频繁跳变的现象。除此之外，该方法迭代过程将距离最近的两个类强制聚到一起，属于硬判决，迭代过程出现的错误不能在后续进行更改，而且可能导致一步错步步错。

为了解决这个问题，学者们引入了基于软判决的变分贝叶斯隐马尔科夫(variational Bayes hidden Markov model(VB-HMM))方法。VB-HMM方法将片段是否属于说话人用一个概率表示，而不是像Ivec-PLDA-AHC方法用绝对的是或不是。VB-HMM方法首先随机初始化每个片段属于说话人的概率和HMM模型，然后迭代更新说话人因子，发射概率，片段属于说话人的概率，转移概率，直到收敛输出结果。但是这个系统对初始化很敏感，特别是当待测语音中某个说话人占主导地位，而其余说话人说的语音很少时，VB-HMM方法很容易将待测语音均匀地分配到每个说话人，导致标记结果很差。

发明内容

本发明的目的是为克服传统VB-HMM说话人标记方法对系统初始化敏感的问题，提出了一种说话人标记方法。本发明结合了Ivec-PLDA-AHC和VB-HMM说话人标记方法的优点，通过Ivec-PLDA-AHC说话人标记方法，为VB-HMM方法提供一个稳健的初始值，可有效地提高说话人标记的准确率。

本发明提出的一种说话人标记方法，其特征在于，分为i-vector概率线性鉴别分析凝聚层次聚类说话人标记阶段、先验概率初始化阶段和基于软判决的变分贝叶斯隐马尔科夫说话人标记阶段三个阶段，该方法包括以下步骤：

1)i-vector概率线性鉴别分析凝聚层次聚类说话人标记阶段；具体步骤如下：

1-1)获取一条待测语音数据X，待测语音数据中总共的说话人个数S已知，S≥2；

1-2)对待测语音数据X提取维数F＝40的感知线性预测特征，并进行活动语音检测，将待测语音数据中的静音段删除；