基于多元核logistic回归模型的说话人辨别实现方法

摘要

一种基于多元核logistic回归模型的说话人辨别实现方法，包括以下步骤：A)说话人语音特征提取：采集待识别说话人语音信号，进行预处理；再提取梅尔倒谱参数；B)说话人模型构建：采用多元核logistic回归模型作为说话人辨别模型；C)说话人辨别模型训练：将步骤A所提取的特征向量作为输入训练样本，通过最小序列优化算法进行迭代训练，使模型参数达到最优；D)说话人辨别：提取待辨别说话人语音信号的特征向量，并输入经过训练的说话人辨别模型，多元核logistic回归模型会给出每个说话人的后验概率，概率值最高者为识别结果。本发明识别率高、模型构建简单、具有良好的快速性。

主权项

1、一种基于多元核logistic回归模型的说话人辨别实现方法，其特征在于：所述说话人辨别实现方法包括以下步骤：A)、说话人语音特征提取：采集待识别说话人语音信号，进行预处理；再提取梅尔倒谱参数，所述梅尔倒谱参数为13阶倒谱参数，将其中描述说话人个性特征较弱的第零阶系数去除，余下12维特征向量作为说话人辨别输入向量；B)、说话人模型构建：采用多元核logistic回归模型作为说话人辨别模型，$p(c_i=k|\bar{x};\beta )=\frac{\exp ({{\beta }_k}^T\bar{x}+{\beta }_{k0})}{\underset{j=1}{\overset{K}{\Sigma }}\exp ({{\beta }_j}^T\bar{x}+{\beta }_{j0})},$k＝1，2，…K其中，K为需辨别说话人数目，x为12维输入特征向量，β＝{β₁，β₂，…，β_K}^T为总体模型参数；β_k为第k个说话人相应的模型参数，β_k0为第k个说话人相应的模型常量参数，c_i为第i个语音特征向量相应的说话人目标；C)、说话人辨别模型训练：将步骤A所提取的特征向量作为输入训练样本，通过最小序列优化算法进行迭代训练，使模型参数达到最优；D)、说话人辨别：提取待辨别说话人语音信号的特征向量，并输入经过训练的说话人辨别模型，多元核logistic回归模型会给出每个说话人的后验概率，概率值最高者为识别结果。