一种用于说话人识别系统的后端i‑vector增强方法技术方案

本发明专利技术公开了一种用于说话人识别系统的后端i‑vector增强方法，该方法以深层神经网络为基础,结合深度神经网络在语音增强方面的应用,建立了一种用于说话人识别系统后端的i‑vector回归模型,得到一种适用于说话人识别系统的后端特征处理器。相比常规的前端语音增强算法,本发明专利技术在提高说话人识别系统的抗噪声性能的同时,又能优化说话人识别系统的结构模型，从而使说话人识别系统在噪声环境下的实用性得到有效提升。

【技术实现步骤摘要】
一种用于说话人识别系统的后端i-vector增强方法
本专利技术属于说话人识别
，特别指一种用于说话人识别系统的后端i-vector增强方法。
技术介绍
说话人识别(SpeakerRecognition，SR)又称声纹识别，是利用语音信号中含有的特定说话人信息来识别说话者身份的一种生物认证技术。近年来，基于因子分析的身份认证矢量(identityvector,i-vector)说话人建模方法的引入使得说话人识别系统的性能有了明显的提升。实验表明，在对说话人语音的因子分析中，通常信道子空间中会包含说话人的信息。因此，i-vector用一个低维的总变量空间来表示说话人子空间和信道子空间，并将说话人语音映射到该空间得到一个固定长度的矢量表征(即i-vector)。基于i-vector的说话人识别系统主要包括充分统计量提取、i-vector映射、似然比得分计算3个步骤。首先提取语音信号特征来训练表征语音空间的Gauss混合模型-通用背景模型(Gaussianmixturemodel-universalbackgroundmodel，GMM-UBM),利用训练好的UBM计算每帧语音特征的本文档来自技高网...

【技术保护点】
一种用于说话人识别系统的i‑vector后端增强方法，其特征在于，分为训练和识别两个阶段，训练阶段步骤如下：A‑1)，对训练说话人语音信号进行预处理，包括预加重、端点检测、分帧、加窗；A‑2)，利用所述MFCC提取法，提取说话人语音信号的MFCC特征；A‑3)，根据A‑2)提取的MFCC特征训练GMM‑UBM模型来对语音声学特征进行对准,并计算得到特征的高维充分统计量；A‑4)，根据A‑3)得到的特征充分统计量训练i‑vector特征提取器，利用该提取器提取说话人语音信号的i‑vector；A‑5)，根据A‑4)训练得到的i‑vector特征提取器，提取纯净语音和含噪语音的i‑vector,其...

【技术特征摘要】
1.一种用于说话人识别系统的i-vector后端增强方法，其特征在于，分为训练和识别两个阶段，训练阶段步骤如下：A-1)，对训练说话人语音信号进行预处理，包括预加重、端点检测、分帧、加窗；A-2)，利用所述MFCC提取法，提取说话人语音信号的MFCC特征；A-3)，根据A-2)提取的MFCC特征训练GMM-UBM模型来对语音声学特征进行对准,并计算得到特征的高维充分统计量；A-4)，根据A-3)得到的特征充分统计量训练i-vector特征提取器，利用该提取器提取说话人语音信号的i-vector；A-5)，根据A-4)训练得到的i-vector特征提取器，提取纯净语音和含噪语音的i-vector,其中，含噪语音的i-vector作为DNN训练数据，纯净语音的i-vector作为标签数据；A-6)，根据A-4)得到的训练数据和标签数据，使用以下所述方法对深度神经网络模型进行训练，经过训练后的神经网络模型作为i-vector后端增强模块，与i-vector/PLDA说话人识别模型融合。识别步骤为：B-1)，对识别语音进行预加重、端点检测、分帧、加窗，并提取识别语音的MFCC特征；B-2)，根据权利要求1中训练得到的i-vector特征提取器，提取待识别说话人每条注册语音和识别语音的i-vector,并将这些i-vector分别作为权利要求1所述的DNN模型的输入，该模型的输出为增强后的i-vector；B-3)，将待识别说话人注册语音增强后的i-vector和识别语音增强后的i-vector输入PLDA模型打分，将PLDA输出的似然比得分与...

【专利技术属性】
技术研发人员：王昕，张洪冉，李宗晏，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏,32