[发明专利]一种基于联合因子分析模型的移动设备声纹识别方法

摘要

本发明公开了一种基于联合因子分析模型的移动设备声纹识别方法，包括背景模型库训练、用户声纹模型训练（说话人训练）和声纹确认（说话人确认）三大部分，并采用联合因子分析模型构建说话人空间、信道空间和残差空间三个子空间，利用联合因子分析模型技术，将声纹识别系统移植到移动设备端，使其成为一款可代替密码的身份确认应用产品。本发明对声纹识别在移动端应用的短板不足进行补充和改进，对说话人识别中的易变性干扰，包括信道易变性和会话易变性进行估计和补偿，使用户可以通过较短的语音进行训练和识别，并在不同背景环境下也能取得良好的识别效果。

主权项

一种基于联合因子分析模型的移动设备声纹识别方法，其特征在于：包括背景模型库训练、用户声纹模型训练和声纹确认三部分，并采用联合因子分析模型构建说话人空间、信道空间和残差空间三个子空间；所述联合因子分析模型的高斯均值向量表征为：M_ki＝m_k+U_kx_i+V_ky_s(i)+D_kz_ks(i)其中，k代表第k个高斯模型，i代表某一个语音段，s_(i)表示说话人s的某一语音段，m_k表示独立于说话人和会话内容的均值向量，U_k特征信道矩阵，V_k表示特征说话人矩阵，D_k表示残差空间矩阵；x_i表示信道因子向量，y_s(i)表示依赖于说话人的声纹因子向量，z_ks(i)表示依赖于说话人和单个高斯模型的残差因子向量；所述背景模型库训练、用户声纹模型训练和声纹确认，具体如下：一、背景模型库训练包括以下步骤：（1）采集移动设备端的语料作为训练数据；（2）对采集的语料进行平衡性分析，保持语音的长度相似，保证信道易变性和会话易变性的平衡；（3）对步骤（2）处理后的语料进行前端预处理，包括：（301）将语音信号分段加窗后经过计算得出梅尔幅倒谱系数的特征参数流；（302）以特征参数流数据训练通用背景模型（UBM）；（303）将每一个语料利用最大后验准则将其自适应到说话人模型上，再用构建特征音空间的方法对表征特定说话人模型的参数进行降维处理；（304）通过稀疏数据的EM算法最大化所有训练数据中的整体似然度，针对所有说话人的语音段求统计量，构建特征说话人矩阵V_k；（4）构建特征信道矩阵U_k，针对语料中某个固定说话人的语音段求统计量，特征信道矩阵的维度固定为移动设备端型号类型的数量；（5）构建残差空间矩阵D_k，完善移动设备端的声纹识别背景模型库建；二、用户声纹模型训练包括：用户由移动设备端向服务器端上传一段训练语音，移动设备端对训练语音进行预处理：服务器端对训练语音所对应的声纹模型进行训练和识别，服务器端接收到训练语音后，通过最大似然的办法训练模型，对信道因子向量x_i、依赖于说话人的声纹因子向量y_s(i)、依赖于说话人和单个高斯模型的残差因子向量z_ks(i)进行最大后验概率估计，其中，y_s(i)用以表征该移动设备端所对应的用户的特征向量，x_i和z_ks(i)用以补偿信道易变性和会话易变性的干扰；服务器端为移动设备端所对应的用户建立用户声纹模型，并将用户声纹模型返回到用户的移动设备端，用户再上传一段测试语音至服务器端作为测试，并在服务器端进行T‑Norm和Z‑Norm分数规整，用以放大用户和其他人的分数区别，以此来设定门限值；三、声纹确认包括：用户输入自己的一段解锁语音至移动设备，移动设备端进行前端预处理之后将用户解锁语音信息发到服务器端，服务器端采用通用背景模型作为说话人的特征向量，使用用户的解锁语音对残差因子向量z_ks(i)和信道因子向量x_i进行估计，将估计后的参数与该移动设备对应的注册用户的特征向量y_s(i)进行结合，计算解锁语音对应的分数；如果分数高于步骤二得到的门限值则确认用身份，解锁移动设备的使用权限，如果分数低于步骤二得到的门限值则拒绝解锁移动设备。