基于基音周期混合特征参数的声纹识别方法

摘要

本发明提供了一种基于基音周期混合特征参数的声纹识别方法，包括以下步骤：语音信号的采集输入、语音信号预处理、语音信号组合特征参数提取：即提取基音周期、LPCC、ΔLPCC、能量、能量的一阶差分、GFCC特征参数共同组合成多维特征向量、采用离散二进制粒子群优化算法对多维特征参数进行筛选、引入通用背景模型UBM训练得到说话人的声音模型、最后利用GMM-UBM模型对测试语音进行识别。与单一的语音信号特征参数进行声纹识别相比，采用组合特征参数并使用GMM-UBM模型的声纹识别系统，有效地提高了声纹识别的识别准确率和系统稳定性。

主权项

一种基于基音周期混合特征参数的声纹识别方法，其特征在于，包括如下步骤：S1：语音信号的采集输入；S2：语音信号的预处理，主要包括预加重、分帧和加窗处理；S3：语音信号组合特征参数提取：提取基音周期、LPCC、ΔLPCC、能量、能量的一阶差分以及GFCC特征参数共同组合成多维特征向量，其中：LPCC为线性预测倒谱系数，△LPCC为LPCC的一阶差分，GFCC为Gammatone滤波器倒谱系数；S4：利用离散二进制粒子群优化算法对步骤S3中的多维特征向量进行筛选，将GMM‑UBM识别过程中等错误率作为评价函数，选取使得等错误率最小的特征向量作为声纹识别的特征向量，其中所述GMM‑UBM为高斯混合模型与通用背景模型相结合的说话人识别模型；S5：使用GMM‑UBM训练得到说话人的声音模型，即将语音库随机选取相应数量的语音训练得到通用背景模型UBM，然后利用最大后验准则自适应得到不同说话人的声音模型；S6：提取经粒子群优化算法筛选后的测试语音的特征参数，利用步骤S5训练得到的GMM‑UBM模型，计算出对数概率得分，选择概率得分最大者，即为目标说话人。