[发明专利]一种基于SVM-GMM模型的语音识别方法

权利要求书

1.一种基于SVM-GMM模型，其特征在于：包括声音数据模块(1)，所述声音数据模块(1)的输出端连接GMM分类器模块(2)和SVM分类器模块(3)的输入端，且所述GMM分类器模块(2)和SVM分类器模块(3)的输出端连接投票模块(4)的输入端；所述投票模块(4)的输出端连接决策模块(5)的输出端。

2.一种基于SVM-GMM模型的语音识别方法，其特征在于：在GMM-SVM模型中，将待测语音的每个音框将同时提供给GMM分类器及SVM分类器，投票结果将由两个分类器识别投票，当所有音框完成了GMM及SVM的投票程序，待测语音的身份将会根据投票的决果来决定接受或拒绝，从而实现语音识别。

3.根据权利要求2所述的一种基于SVM-GMM模型的语音识别方法，其特征在于：所述声音数据模型处理包括以下步骤：

步骤A、语音讯号经由麦克风输入，首先判断语音的端点，将语音分段舍弃静音，保留有用的语音讯号；

步骤B、对每段的语音波形做后续分析工作,对分析处理的语音波形进行选取音框；

步骤C、对原始语音做预强调处理，将取样后的声音通过一阶的数位滤波器，转换成函数，接着乘上汉明窗，再来作LPC系数分析；

步骤D、通过自相关系数计算，求得倒频谱参数后，再经过带通提升的窗口处理，最后即特征参数向量的输出。

4.根据权利要求1所述的一种基于SVM-GMM模型的语音识别方法，其特征在于：所述GMM分类器模块处理包括混和加权值、平均值向量以及共变异矩阵，如下所示：

λ＝{w_i,μ_i,Σ_i}，i＝1,2,3,…,M (1)

其中w_i表示的是混和加权值，μ_i表示的是平均值向量，Σ_i表示的是共变异矩阵，而M则是高斯分布的个数，对每一个语音而言，用一个λ来代表，对一个D维的特征向量x而言，对于语音高斯混和模型的相似度计算如下所示：

是基本密度函数，w_i,i＝1,2,...,M是混合权数，必须满足

在资料压缩中，利用VQ来做高斯混和模型参数的初始值，使用二值分裂法和K平均值修正法两种VQ方法求得高斯混和模型参数的初始值,其流程如下：

(1)首先由一个丛集开始，找出所有训练向量的平均值，作为整个丛集的质心，用公式4进行分裂丛集，每一次分裂，丛集的个数成二的倍数成长；

其中，μ表示丛集的质心，ε为分裂参数，在这里ε为0.05；

(2)接着将每一个训练向量对每一个质心做距离测量，并作为分群的依据，每个向量被分类到距离最短的质心；

(3)更新质心：接着对每一群的向量求平均值，用平均向量来更新每一群的质心；

(4)重复(2)(3)的步骤，直到每一个质心与训练向量的总体距离和小于一个临界值；

(5)重复(1)的步骤，直到丛集的个数达到所需要的。

5.根据权利要求1所述的一种基于SVM-GMM模型的语音识别方法，其特征在于：所述SVM分类器模块处理寻找使得两类分类间隔最大的分类超平面；

在一个基本的二元分类问题中，假设已有训练集合S＝{x_k,y_k},k＝1,2,...,n，其中x_k∈R代表在n维特征空间中的输入资料，y_k∈{-1,+1}为输出资料及类别，而线性分类器如(5)所示；

y(x)＝sign[w^Tx-b] (5)

则两类别资料可由(6)分出；

进行尺度调整，支持超平面与最佳分类超平面的距离在±1以内，因此(6)可改写为(7)：

要处理边界有重叠的情形，导入一个误差项δ，

由(2.8)可得：

y_k(w^Tx_k-b)≥1-δ_k (9)。