[发明专利]身份矢量x-vector线性变换下的说话人识别方法

权利要求书

1.基于身份矢量x-vector线性变换下的说话人识别方法，其特征在于，包括如下步骤：

步骤1、提取说话人的训练语音的梅尔频率倒谱系数作为说话人的特征；

步骤2、利用步骤1获得的特征采用深度神经网络结构训练x-vector模型，建立身份矢量x-vector模型，从而获得身份矢量x-vector；

步骤3、利用步骤1获得的特征基于EM算法训练i-vector模型，建立身份矢量i-vector模型，从而获得身份矢量i-vector；

步骤4、认为同一个说话人的i-vector和x-vector投影到同一个矢量中，基于EM算法训练得到平行因子分析器的参数，从而完成平行因子分析器的训练；

考虑到不同身份矢量可以映射到同一个矢量空间，采用平行因子分析的方法得到这个共同的矢量；

第l个说话人的身份矢量i-vector表示为φ_i(l,1),…,φ_i(l,k)，身份矢量x-vector表示为φ_x(l,1),…,φ_x(l,k)，其中，k表示该说话人的输入语音的数量，φ_i(l,k)表示第l个说话人的身份矢量的第k段语音的身份矢量i-vector，φ_x(l,k)表示第l个说话人的身份矢量的第k段语音的身份矢量x-vector，同一个说话人的身份矢量i-vector和身份矢量x-vector可以投影到同一个矢量中，因此可以表示为其中，μ_i表示身份矢量i-vector的平均向量；μ_x表示身份矢量x-vector的平均向量；F_i表示i-vector对应的投影矩阵；F_x表示x-vector对应的投影矩阵；h(l)表示第l个说话人的隐变量；ε_i(l,k)表示第l个说话人的身份矢量的第k段语音的身份矢量i-vector在线性变换后的残余矢量，ε_i～N(0,Σ_i)，Σ_i表示i-vector的协方差矩阵，N(0,Σ_i)表示ε_i满足矩阵为0，协方差为Σ_i的正态分布；ε_x(l,k)表示表示第l个说话人的身份矢量的第k段语音的身份矢量x-vector在线性变换后的残余矢量，ε_x～N(0,Σ_x)，Σ_x表示残差ε_x的协方差矩阵，N(0,Σ_x)表示ε_x满足矩阵为0，协方差为Σ_x的正态分布；通过EM算法，得到平行因子分析器的参数θ＝{μ_i,F_i,Σ_i,μ_x,F_x,Σ_x}；

步骤5、通过线性变换器，在平行因子分析器的参数中保留x-vector对应的参数，在线性变换器基础上，将身份矢量xl-vector用x-vector的线性变换表达出来，从而建立身份矢量x_l-vector模型，获得身份矢量x_l-vector；

步骤6、利用身份矢量x_l-vector采用EM算法对PLDA的参数模型进行更新，完成对PLDA模型的训练；

步骤7、测试阶段的说话人识别

将注册语音已经对应的待识别语音进行特征提取后通过身份矢量x-vector模型获得身份矢量x-vector，将身份矢量x-vector输入训练后的线性变换器得到新的身份矢量x_l-vector，最后将身份矢量x_l-vector输入到训练后的PLDA模型，从而得到说话人识别结果。

2.根据权利要求1所述身份矢量x-vector线性变换下的说话人识别方法，其特征在于：步骤6中，根据x-vector对应的参数θ_x＝{μ_x,F_x,Σ_x}上，将线性变换后的身份矢量x_l-vector表示为其中，表示x_l-vector的后验协方差将其进一步写成φ_xl＝Aφ_x-b的形式，A、b为线性参数，从而将身份矢量x_l-vector表示成x-vector的线性变换方式。