[发明专利]基于噪声屏蔽核的说话人识别方法有效
| 申请号： | 201310681894.0 | 申请日： | 2013-12-12 |
| 公开（公告）号： | CN103714818A | 公开（公告）日： | 2014-04-09 |
| 发明（设计）人： | 张卫强;刘加 | 申请（专利权）人： | 清华大学 |
| 主分类号： | G10L17/20 | 分类号： | G10L17/20 |
| 代理公司： | 北京众合诚成知识产权代理有限公司 11246 | 代理人： | 黄家俊 |
| 地址： | 100084 北京市*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了语音信号处理领域的一种基于噪声屏蔽核的说话人识别方法。该方法包括：步骤1：输入音频数据，对音频数据逐帧提取短时特征；步骤2：采用语音数据的短时特征训练一个含M个高斯混元的GMM模型，记为语音GMM；步骤3：采用噪声数据的短时特征训练一个含N个高斯混元的GMM模型，记为噪声GMM；步骤4：将语音GMM和噪声GMM拼接成一个混合GMM；步骤5：用混合GMM生成噪声屏蔽超矢量；步骤6：采用生成的噪声屏蔽超矢量进行SVM的训练和测试，完成说话人的训练和识别。该方法可以对音频中含有的噪声进行自动屏蔽，且实现简单，可以有效提高噪声条件下说话人识别的性能。 | ||
| 搜索关键词： | 基于 噪声 屏蔽 说话 识别 方法 | ||
【主权项】：
一种基于噪声屏蔽核的说话人识别方法，其特征在于，该方法具体包括以下步骤： 步骤1：输入音频数据，对音频数据逐帧提取短时特征； 步骤2：采用语音数据的短时特征训练一个含M个高斯混元的GMM模型，记为语音GMM； 步骤3：采用噪声数据的短时特征训练一个含N个高斯混元的GMM模型，记为噪声GMM； 步骤4：将语音GMM和噪声GMM拼接成一个混合GMM； 步骤5：用混合GMM生成噪声屏蔽超矢量； 步骤6：采用生成的噪声屏蔽超矢量进行SVM的训练和测试，完成说话人的训练和识别。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于清华大学，未经清华大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201310681894.0/，转载请声明来源钻瓜专利网。
