[发明专利]一种结合I-vector和PLDA的声纹识别方法

说明书

本发明涉及一种声纹识别的技术领域，揭露了一种结合I‑vector和PLDA的声纹识别方法，包括：获取待识别声纹信号，利用谱减法对其进行降噪处理；对降噪后的待识别声纹信号进行预加重和加窗处理；基于声纹信号能量对待识别声纹信号进行分帧处理；利用WS语音特征提取算法提取有效声纹信号帧中的声纹信号特征；根据所提取出的声纹信号特征，利用I‑vector模型提取I‑vector特征；利用PLDA的建模方法，对I‑vector特征中的信道信息进行补偿；利用对数似然比方法进行声纹比对，根据比对结果实现声纹的识别。本发明实现了声纹的识别。

技术领域

本发明涉及声纹识别的技术领域，尤其涉及一种结合I-vector和PLDA的声纹识别方法。

背景技术

随着声纹识别技术不断向前发展，声纹识别在近年来出现了一个快速发展的新局面，声纹识别以其便捷性、稳定性和低成本性等特点在军事安全、医疗健康和司法鉴定等多个领域得到广泛应用，并逐渐成为生物识别技术中的主流之一。虽然在无噪环境中，声纹识别已经取得非常好的效果，但是在实际应用过程中，因为各种背景噪声的影响，声纹识别往往达不到理想的效果。

现有声纹特征提取技术主要为MFCC提取算法，该算法具有计算过程简单，易于实现的优点，但是该算法采用傅里叶变换分析语音信号，其中傅里叶变换采用固定分辨率分析信号，无法准确地分析非平稳的信号，导致MFCC对非平稳的语音的表达能力较弱，另外，傅里叶变换的全局性特性也使得MFCC对噪音较为敏感。

鉴于此，在考虑声纹识别准确率的基础上，如何对现有声纹特征提取算法进行改进，减少噪音对声纹的影响，成为本领域技术人员亟待解决的问题。

发明内容

本发明提供一种结合I-vector和PLDA(概率线性判别分析，ProbabilisticLinearDiscriminantAnalysis)的声纹识别方法，通过对现有声纹特征提取算法进行改进，并利用PLDA方法来补偿包含说话人特性信息和信道信息的i-vector特征，来达到消除信道不一致的干扰，实现声纹的识别。

为实现上述目的，本发明提供的一种结合I-vector和PLDA的声纹识别方法，包括：

获取待识别声纹信号，利用谱减法对其进行降噪处理；

对降噪后的待识别声纹信号进行预加重和加窗处理；

基于声纹信号能量对待识别声纹信号进行分帧处理；

利用WS语音特征提取算法提取有效声纹信号帧中的声纹信号特征；

根据所提取出的声纹信号特征，利用I-vector模型提取I-vector特征；

利用PLDA的建模方法，对I-vector特征中的信道信息进行补偿；

利用对数似然比方法进行声纹比对，根据比对结果实现声纹的识别。

可选地，所述利用谱减法对待识别声纹信号进行降噪处理，包括：

1)在时域对含噪声纹信号y(t)、待求解的干净声纹信号s(t)以及静音段的声纹信号n(t)进行关系表征：

y(t)＝s(t)+n(t)

2)分别对上述三种信号进行傅里叶变换，其对应的短时频谱分别为Y(w)，S(w)和N(w)，根据语音的特征分布，它们服从均值为0的高斯分布，因此从概率统计学分析可知，它们之间存在如下的平方关系：

|Y(w)|²＝|S(w)|²+|N(w)|²+2Re[S(w)N(w)]

3)由于噪声和语音信号之间是没有直接关联的，即噪声不会随着语音信号的改变而改变，也就是S(w)和N(w)是相互独立的，所以Re[S(w)N(w)]＝0；