[发明专利]一种基于概率线性鉴别分析模型的说话人聚类方法及系统

摘要

本发明涉及一种基于概率线性鉴别分析模型的说话人聚类方法及系统，包括：采集一定数量的语音数据作为训练语句，生成概率线性鉴别分析(PLDA)模型；对待聚类说话人语句进行预处理；提取预处理后的待聚类说话人语句的MFCC特征；基于MFCC特征计算所有待聚类说话人语句的总变化量因子；基于生成的PLDA模型计算两两待聚类说话人语句的总变化量因子的PLDA距离；基于PLDA距离确定的密度值选择初始的类别数目和每个类包含的语句；最后通过聚类算法获取最终的类别数目和每个类包含的语句。本方法采用基于总变化量因子PLDA距离使距离测度更加准确；而且本方法基于密度值选择初始类，从而达到稳定的聚类效果。

主权项

1.一种基于概率线性鉴别分析模型的说话人聚类方法，该方法包括如下步骤：步骤201)，对待聚类说话人语句进行预处理；所述待聚类说话人语句的个数为S；步骤202)，提取预处理后的待聚类说话人语句的梅尔频率倒谱系数特征；步骤203)，基于预处理后的待聚类说话人语句的梅尔频率倒谱系数特征计算所有待聚类说话人语句的总变化量因子；步骤204)，基于所述的概率线性鉴别分析模型计算两两待聚类说话人语句的总变化量因子的概率线性鉴别分析距离；步骤205)，基于概率线性鉴别分析距离确定的密度值选择初始的类别数目和每个类包含的语句；步骤206)，通过聚类算法获取最终的类别数目和每个类包含的语句；所述概率线性鉴别分析模型的生成步骤包括：步骤101)，采集一定数量的语音数据作为训练语句，并进行预处理；步骤102)，提取预处理后的训练语句的梅尔频率倒谱系数特征；步骤103)，基于预处理后的训练语句的梅尔频率倒谱系数特征计算每个训练语句的总变化量因子；步骤104)，基于所有训练语句的总变化量因子生成概率线性鉴别分析模型；所述概率线性鉴别分析模型包括：说话人矩阵和概率线性鉴别分析模型的残差方差矩阵；在步骤205)中，所述基于概率线性鉴别分析距离确定的密度值选择初始的类别数目和每个类包含的语句包括：选择与第p,p＝1…S个语句总变化量因子的PLDA距离最小的K个语句，所选择的K个语句集合记为Bp，所述K可以通过经验和统计规律优选获得；计算K个PLDA距离的均值为：其中，wp为第p个语句的总变化量因子，wq为为第q个语句的总变化量因子；dp为第p个语句的的密度值；对应的K+1个语句的总变化量因子的均值为：为上述K+1个语句的类中心；d_p越小表明以为类中心时类的密集程度越高；对S个密度值d_p,p＝1…S按照从小到大进行排序，然后按顺序选择M个d_p对应的类中心所述M可以通过经验和统计规律优选获得；对其中的第m,m＝1…M个类中心，从所有训练语句中选择与其PLDA距离最小的g_m个语句划分为同一类，类表示为所包含的语句集合：B_m＝{g_m个语句}，g_m取随机值，满足对应的类中心为类中包含的训练语句的总变化量因子的均值，计算方法为：所述初始类别数目为M，所述每个类包含的语句为集合B_m，其中m＝1,…M；初始类中心为其中m＝1,…M。