一种基于多特征的声纹识别方法技术

本发明专利技术公开了一种基于多特征的声纹识别方法，包括步骤：数据预处理，将语音语料进行处理；特征提取，将梅尔频率倒谱系数MFCC和感知线性预测PLP进行动态线性融合；特征处理，利用PCA主成分分析法将动态特征进行降维处理；模型训练，利用I‑Vector说话人识别模型对动态特征进行训练；打分判决，利用概率线性判决分析算法PLDA进行似然对数比打分，并根据得分的大小判断出两个集合是否为同一个说话人。本发明专利技术动态融合MFCC和PLP两种说话人特征，能更好地包含说话人信息，并通过主成分分析法PCA降低融合特征的维度，计算效率高，同时，不依赖于在线获取的说话人数据，可以单独、快速地完成说话人的识别。

【技术实现步骤摘要】
一种基于多特征的声纹识别方法
本专利技术涉及声音识别领域，尤其涉及一种基于多特征的声纹识别方法。
技术介绍
随着社会和科技的不断进步，人们在信息认证方式上发生了巨大的变化，越来越多的用户通过声纹识别来进行身份认证，对于用户来说，方便经济的身份认证方式已经成为不可或缺的的内容，因此，声纹支付、声纹考勤、声纹门禁、社保认证等相关应用得到迅速发展，并有着广泛的应用前景。然而，虽然说话人识别技术不断发展，但是由于在实际应用中，存在各种各样复杂的场景，这可能导致系统的鲁棒性不足和抗噪能力弱，使得识别结果存在不同的误差。
技术实现思路
为克服传统说话人识别技术的鲁棒性差，系统抗噪能力弱的不足，本专利技术提出一种基于多特征的声纹识别方法，以有效的提高说话人识别的检测效率。本专利技术的技术方案是这样实现的，一种基于多特征的声纹识别方法，包括步骤S1：数据预处理，将语音语料利用Kaldi语音识别工具进行处理；S2：特征提取，根据梅尔频率倒谱系数MFCC和感知线性预测PLP特征的特性，这些特征的特性具体包括：两者频谱映射的方式不同：MFCC特征映射方式为Mel滤波器组log对数，PLP特征映射方式为Bark滤波器组和cuberoot立方根；两者的解卷方式不同：MFCC特征的解卷方式为非参数解卷，PLP特征的解卷方式为参数解卷；两者对噪声的鲁棒性不同：MFCC特征对噪声的鲁棒性较差，PLP特征对噪声的鲁棒性较好；将梅尔频率倒谱系数MFCC和感知线性预测PLP进行动态线性融合，所述动态线性融合包括步骤：计算梅尔频率倒谱系数MFCC和感知线性预测PLP特征的维度，将MFCC和PLP特征参数在同一个矩阵中进行动态融合处理，计算如公式(1)所示，Fm×n＝[(A1，A2，L，Am)，(B1，B2，L，Bn)](1)其中，A和B分别表示MFCC和PLP特征参数，m和n分别表示MFCC、PLP的特征参数阶数；S3：特征处理，使用PCA主成分分析法将动态线性融合后获得的动态特征进行降维处理；S4：模型训练，使用I-Vector说话人识别模型对降维后的动态特征进行训练；S5：打分判决，使用PLDA概率线性判决分析算法进行似然对数比打分，并根据得分的大小判断出两个集合是否为同一个说话人。所述步骤S1包括步骤S11，使用TIMIT语音数据库准备语音语料；S12，使用Kaldi生成spk2utt、utt2spk和wav.scp文件准备数据部分。进一步地，步骤S3中所述的降维处理实现包括步骤S31，选取经过线性融合处理后的动态特征，采用PCA主成分分析法对其进行降维处理，计算如公式(2)所示，ωPCA＝[ω1ω2LωM](2)求得前M个最大特征值对应特征向量的投影矩阵，计算如公式(3)所示，σF＝FTF(3)其中ω表示单位向量，σF表示特征矩阵的协方差，且为对角矩阵；S32，将σF进行线性变换，计算如公式(4)所示，其中，ι是特征值λ对应的归一化特征向量；S33，将ι代入公式(5)，寻找由前p个最大特征值对应的特征向量所生成的投影矩阵ιPCA，ιPCA＝[ι1ι2Lιp](5)其中，ιPCA用于将所有特征向量映射到不相关的特征空间，将提取的特征经过PCA算法变换后用于模型训练，计算如公式(6)所示，步骤S4中所述的模型训练包括步骤：采用I-Vector说话人识别模型将与说话人无关的干扰信息进行分离，计算如公式(7)所示，M＝μ+Tw(7)其中μ表示与说话者无关且信道无关的超向量，T是一个低秩矩阵，w则为服从标准正态分布的随机向量。步骤S5中所述的概率线性判别分析算法实现包括步骤S51，将I-Vector进行进一步因子分析，计算如公式(8)所示，Pi＝m+Φβ+εγ(8)其中m为训练数据全局均值，Φ为描述说话人类间差异的子空间矩阵，β是满足标准正态分布特征的隐含因子，且与说话人身份相关，εγ是对角矩阵∑的残余项；S52，在决策打分环节，依次用η1、η2进行描述，两者的对数似然比的计算如公式(9)所示，其中Rs表示η1和η2来自同一个说话人，Rd表示η1和η2来自不同的说话人。本专利技术的有益效果在于，和现有的单一特征技术的说话人识别相比，本专利技术动态融合两种说话人特征，使动态特征能更好地包含说话人信息，且通过PCA主成分分析法降低了融合特征的维度，实施成本低，计算效率高，同时不依赖于在线获取说话人数据，可以单独、快速的完成说话人识别检测。附图说明图1是本专利技术一种基于多特征的声纹识别方法流程图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。请参见图1，本专利技术一种基于多特征的声纹识别方法，包括步骤S1：数据预处理，将语音语料利用Kaldi语音识别工具进行处理；S2：特征提取，然后将梅尔频率倒谱系数MFCC和感知线性预测PLP进行动态线性融合，所述动态线性融合包括步骤：计算梅尔频率倒谱系数MFCC和感知线性预测PLP特征的维度，将MFCC和PLP特征参数在同一个矩阵中进行动态融合处理，计算如公式(1)所示，Fm×n＝[(A1，A2，L，Am)，(B1，B2，L，Bn)](1)其中，A和B分别表示MFCC和PLP特征参数，m和n分别表示MFCC、PLP的特征参数阶数；S3：特征处理，使用PCA主成分分析法将动态线性融合后获得的动态特征进行降维处理；S4：模型训练，使用I-Vector说话人识别模型对降维后的动态特征进行训练；S5：打分判决，使用PLDA概率线性判决分析算法进行似然对数比打分，并根据得分的大小判断出两个集合是否为同一个说话人。所述步骤S1包括步骤S11，使用TIMIT语音数据库准备语音语料；S12，使用Kaldi生成spk2utt、utt2spk和wav.scp文件准备数据部分。步骤S3中所述的降维处理实现包括步骤S31，选取经过线性融合处理后的动态特征，采用PCA主成分分析法对其进行降维处理，计算如公式(2)所示，ωPCA＝[ω1ω2LωM](2)求得前M个最大特征值对应特征向量的投影矩阵，计算如公式(3)所示，σF＝FTF(3)其中ω表示单位向量，σF表示特征矩阵的协方差，且为对角矩阵；S32，将σF进行线性变换，计算如公式(4)所示，其中，ι是特征值λ对应的归一化特征向量；S33，将ι代入公式(5)，寻找由前p个最大特征值对应的特征向量所生成本文档来自技高网...

【技术保护点】
1.一种基于多特征的声纹识别方法，其特征在于，包括步骤/nS1：数据预处理，将语音语料利用Kaldi语音识别工具进行处理；/nS2：特征提取，然后将梅尔频率倒谱系数MFCC和感知线性预测PLP进行动态线性融合，所述动态线性融合包括步骤：计算梅尔频率倒谱系数MFCC和感知线性预测PLP特征的维度，将MFCC和PLP特征参数在同一个矩阵中进行动态融合处理，计算如公式(1)所示，/nF

【技术特征摘要】
1.一种基于多特征的声纹识别方法，其特征在于，包括步骤
S1：数据预处理，将语音语料利用Kaldi语音识别工具进行处理；
S2：特征提取，然后将梅尔频率倒谱系数MFCC和感知线性预测PLP进行动态线性融合，所述动态线性融合包括步骤：计算梅尔频率倒谱系数MFCC和感知线性预测PLP特征的维度，将MFCC和PLP特征参数在同一个矩阵中进行动态融合处理，计算如公式(1)所示，
Fm×n＝[(A1，A2，L，Am)，(B1，B2，L，Bn)](1)
其中，A和B分别表示MFCC和PLP特征参数，m和n分别表示MFCC、PLP的特征参数阶数；
S3：特征处理，使用PCA主成分分析法将动态线性融合后获得的动态特征进行降维处理；
S4：模型训练，使用I-Vector说话人识别模型对降维后的动态特征进行训练；
S5：打分判决，使用PLDA概率线性判决分析算法进行似然对数比打分，并根据得分的大小判断出两个集合是否为同一个说话人。


2.如权利要求1所述的基于多特征的声纹识别方法，其特征在于，所述步骤S1包括步骤
S11，使用TIMIT语音数据库准备语音语料；
S12，使用Kaldi生成spk2utt、utt2spk和wav.scp文件准备数据部分。


3.如权利要求1所述的基于多特征的声纹识别方法，其特征在于，步骤S3中所述的降维处理实现包括步骤
S31，选取经过线性融合处理后的动态特征，采用PCA主成分分析法对其进行降维处理，计算如公式(2)所示，
ωPCA＝[ω1ω2LωM](2)
求得前M个最大特征值对应特征向量的投影矩阵，计算如公式(3)...

【专利技术属性】
技术研发人员：赵宏，岳鲁鹏，孔东一，郭岚，傅兆阳，郑厚泽，刘璐，党育，马栋林，
申请(专利权)人：兰州理工大学，
类型：发明
国别省市：甘肃;62