发明名称 |
基于倒谱特征线性情感补偿的说话人识别方法 |
摘要 |
本发明涉及一种基于倒谱特征线性情感补偿的说话人识别方法,主要步骤是:1)语音信号进行预处理;2)语音帧上的特征提取:在说话人语音上提取倒谱特征MFCC和基音频率,根据基音频率存在与否,将语音信号流分成浊音段和清音段,判断如果某帧为清音帧,则丢弃该帧语音,不予处理;3)依据基音频率的变化对相应帧的MFCC进行线性补偿;4)根据这个使最大似然估计得到的概率最大的系数对MFCC进行补偿,由补偿后的语音特征进行训练;5)识别。本发明有益的效果是:采用基于基音频率的倒谱特征补偿,利用韵律特征在情感语音中的变化规律,对情感语音的MFCC特征进行补偿后使说话人特征更具稳定性,以尽量减少情感影响带来的说话人自身语音差异。 |
申请公布号 |
CN1758332A |
申请公布日期 |
2006.04.12 |
申请号 |
CN200510061360.3 |
申请日期 |
2005.10.31 |
申请人 |
浙江大学 |
发明人 |
吴朝晖;杨莹春;吴甜 |
分类号 |
G10L17/00(2006.01);G10L15/00(2006.01);G10L15/02(2006.01);G10L15/06(2006.01);G10L15/08(2006.01) |
主分类号 |
G10L17/00(2006.01) |
代理机构 |
杭州九洲专利事务所有限公司 |
代理人 |
陈继亮 |
主权项 |
1、一种基于倒谱特征线性情感补偿的说话人识别方法,其特征在于:主要步骤是:1)、语音信号进行预处理:主要包括采样与量化、预加重处理和加窗;2)、语音帧上的特征提取:在说话人语音上提取倒谱特征MFCC和基音频率,根据基音频率存在与否,将语音信号流分成浊音段和清音段,判断如果某帧为清音帧,则丢弃该帧语音,不予处理;3)、依据基音频率的变化对相应帧的MFCC进行线性补偿,其间不断调整补偿系数使EM算法中的最大似然估计得到的概率值最大,并由此确定补偿系数;4)、根据这个使最大似然估计得到的概率最大的系数对MFCC进行补偿,由补偿后的语音特征进行训练;5)、识别:用于语音输入后,经特征提取,得到一特征向量序列,该序列输入到相关用户模型参数的GMM中,得到相似度值并根据其给用户打分。 |
地址 |
310027浙江省杭州市西湖区浙大路38号浙江大学计算机学院曹光彪东楼505室 |