基于混合t模型的说话人识别方法

摘要

本发明公开了一种基于混合t模型的说话人识别方法，包括如下步骤：1)特征提取：采集待识别的语音信号，对音频信号预处理，对预处理后的语音信号进行特征提取，得到语音信号的特征；2)说话人建模：采用混合t模型对语音特征建模，根据说话人的语音训练出其混合t模型的参数；3)测试：采用测试语音的后验概率表示得分，通过得分与阀值的比较，得到语音信号的识别结果，本发明采用混合t模型对说话人语音特征空间建模，提出了一种EM算法训练t混合模型的参数，提高说话人识别的鲁棒性。特别是当有较大的边缘噪音的时候，混合t分布比高斯混合分布更有鲁棒性。

主权项

1、一种基于混合t模型的说话人识别方法，包括如下步骤：1)、特征提取：采集待识别的语音信号，对音频信号预处理，对预处理后的语音信号进行特征提取，得到语音信号的特征；2)、说话人建模：采用混合t模型对语音特征建模，根据说话人的语音训练出其混合t模型的参数；所述的混合t模型为：$p\left(x\right)=\underset{i=1}{\overset{M}{\Sigma }}{w}_i{t}_i\left(x\right)$其中，t_i(x)表示t分布，x是一个p维的向量，w_i表示每个t分布的混合权重，且满足${\Sigma }_{i=1}^M{w}_i=1,$t_i(x)定义为：$t_i\left(x\right)=\frac{\Gamma \left(\frac{{\gamma }_i+p}{2}\right){\left|{\Sigma }_i\right|}^{-1/2}}{{\left(\Gamma \left(\frac{1}{2}\right)\right)}^p\Gamma \left(\frac{{\gamma }_i}{2}\right){\gamma }_i^{p/2}\times {(1+\frac{{(x-{\mu }_i)}^T{\Sigma }_i^{-1}(x-{\mu }_i)}{{\gamma }_i})}^{({\gamma }_i+p)/2}}$其中，μ_i，∑_i，γ_i分别表示t分布的均值、t分布的方差矩阵和t分布的自由度，Γ表示gamma方程，其定义如下：$\Gamma \left(x\right)={\int }_0^{\infty }{e}^{-t}{t}^{x-1}\mathrm{dt}$3)、测试：计算步骤1)得到的待识别的语音信号的特征在某个说话人的混合t模型上的得分，通过得分与阀值的比较，得到语音信号的识别结果，得分表示为：$\mathrm{score}=\underset{i=1}{\overset{n}{\Sigma }}\log p\left(x_i\right|{\lambda }_t)$其中，x_i表示待识别的语音信号的特征，n表示特征的数目，表示混合t模型。