[发明专利]一种多人语音混合中目标说话人估计方法及系统

权利要求书

1.一种多人语音混合中目标说话人估计方法，包括使用麦克风阵列采集语音信号得到混合信号x，其特征在于，还包括以下步骤：

步骤1：使用FastICA算法进行多人混合语音分离，得到N个分离语音y；

步骤2：提取多个语音特征；

步骤3：进行语音特征归一化；步骤4：归一化的语音特征加权融合；融合构成各个人的语音特征矢量x_n，其中，λ为对应的加权参数，为归一化的说话时长，为归一化的说话次数、为归一化的短时能量，为归一化的MFCC系数；

步骤5：使用高斯混合模型进行加权参数优化；

步骤6：使用期望最大化算法EM算法进行高斯混合模型估计；

步骤7：输出目标语音。

2.如权利要求1所述的多人语音混合中目标说话人估计方法，其特征在于：所述步骤1包括以下子步骤：

步骤11：对混合观测信号x中心化去均值，

其中，i＝1.....n，n为实系数；

步骤12：白化处理去混合语音之间的相关性，

z＝Vx＝ED^-1/2E^Tx

其中，V为白化矩阵，E为中心化数据的特征向量构成的正交矩阵，D为特征向量对应的特征值构成的对角矩阵，E^T为E转置矩阵；

步骤13；随机生成初始解混矩阵w₀，||w₀||²＝1；

步骤14：更新解混矩阵w，

其中，g(y)＝y×exp(-y²/2)，g′为g的导数；

步骤15：如果所述解混矩阵w收敛，则w_n+1解混矩阵，停止迭代，反之重新执行步骤14继续迭代；

步骤16：得到N个分离语音信号y＝[y₁，y₂，......y_n]，

3.如权利要求2所述的多人语音混合中目标说话人估计方法，其特征在于：判断所述解混矩阵w收敛的公式为|w_n+1-w_n|＜ε，其中，ε为收敛门限。

4.如权利要求1所述的多人语音混合中目标说话人估计方法，其特征在于：所述语音特征包括每次说话时长S_n(L)、说话次数S_n(N)、短时能量E_n和MFCC系数C_n中至少一种。

5.如权利要求4所述的多人语音混合中目标说话人估计方法，其特征在于：所述每次说话时长S_n(L)是指检测语音段的起始时间和结束时间中间的时间长度。

6.如权利要求4所述的多人语音混合中目标说话人估计方法，其特征在于：所述说话次数S_n(N)是指每条语音中出现的分段语音的次数。

7.如权利要求4所述的多人语音混合中目标说话人估计方法，其特征在于：所述短时能量E_n是指语音信号的第n个采样点的短时能量。

8.如权利要求4所述的多人语音混合中目标说话人估计方法，其特征在于：所述MFCC系数C_n是指每个人语音的梅尔频率倒谱系数特征点。

9.如权利要求4所述的多人语音混合中目标说话人估计方法，其特征在于：所述步骤3为使用下面公式对所述语音特征进行归一化处理，

其中，表示归一化后的S_n(F)特征，S_n(F)是第n个说话人的某一个特征，S_n(F_max)表示S_n(F)的最小值，S_n(F_min)表示S_n(F)的最大值。

10.一种多人语音混合中目标说话人估计系统，包括用于进行多人混合语音分离的语音分离模块，其特征在于，还包括以下模块：

多语音特征融合模块：提取多个语音特征，特征归一化之后，进行加权参数融合，得到语音特征序列；融合构成各个人的语音特征矢量x_n，其中，λ为对应的加权参数，为归一化的说话时长，为归一化的说话次数、为归一化的短时能量，为归一化的MFCC系数；

融合参数优化模块：用高斯混合模型对融合参数进行优化，通过期望最大化算法EM算法，估计出概率值最大的语音特征序列。