[发明专利]一种融入静态分量的动态声纹特征提取方法

权利要求书

1.一种融入静态分量的动态声纹特征提取方法，用于对目标语音数据进行声纹特征提取，其特征在于，方法包括如下步骤：

步骤1：对目标语音数据进行预处理，获取预处理后的目标语音数据；

在步骤1中，对目标语音数据进行预处理的方法包括：将目标语音数据分为T帧，获取多帧语音数据；

步骤2：使用傅里叶变换和Mel滤波器组对预处理后的目标语音进行处理，获取目标语音数据的MFCC系数；

在步骤2中，使用傅里叶变换和Mel滤波器组对预处理的目标语音进行处理的方法包括如下步骤：

使用傅里叶变换分别对每帧语音数据进行处理，获取各帧语音数据的频谱；

将各帧语音数据的频谱输入Mel滤波器组中，获取各帧语音数据的MFCC系数，即目标语音数据的MFCC系数；

步骤3：将目标语音数据的MFCC系数带入融入静态分量的动态声纹特征提取模型中，获取目标语音数据的MFCC动态特征差分参数矩阵，将该矩阵定义为目标语音数据的动态声纹特征；

在步骤3中，所述融入静态分量的动态声纹特征提取模型为：

其中，d(l，t)为第t帧语音数据的第l阶动态声纹特征提取结果，d(l，t)构成目标语音数据的MFCC动态特征差分参数矩阵中第l阶的第t个元素，C(l，t)为MFCC系数中第l阶的第t个参数，C(l，t+1)为MFCC系数中第l阶的第t+1个参数，C(l，t+k)为第l阶的第t+k个参数，C(l，t-k)为MFCC系数中为第l阶的第t-k个参数，k为对第t帧语音数据进行傅里叶变换后的频率序数，K为对第t帧语音数据进行傅里叶变换时的预设总步长。

2.根据权利要求1所述的融入静态分量的动态声纹特征提取方法，其特征在于，根据如下公式：

获取MFCC系数中第t帧语音数据的第l阶特征系数C(l，t)；

其中，L为MFCC系数的阶数，m为Mel滤波器组的序号，S(m)为第m个Mel滤波器组输出的对数能量。

3.根据权利要求2所述的融入静态分量的动态声纹特征提取方法，其特征在于，根据如下公式：

获取第m个Mel滤波器组输出的对数能量S(m)；

其中，M表示滤波器组的总个数，N表示第t帧语音数据的数据长度，X(k)表示与第k个频率所对应的功率，H_m(k)表示与第k个频率所对应第m个Mel滤波器组的传递函数。