基于多类型组合特征参数的声纹识别方法
专利类型：发明专利
语 言：中文
申 请 号：CN201510268063.X
申 请 日：20150525
申 请 人：重庆大学
申请人地址：400044 重庆市沙坪坝区沙坪坝正街174号
公 开 日：20150812
公 开 号：CN104835498A
代 理 人：陈千
代理机构：重庆为信知识产权代理事务所(普通合伙) 50216
摘 要：本发明提供了一种基于多类型组合特征参数的声纹识别方法，包括以下步骤：语音信号的采集输入、语音信号预处理、语音信号组合特征参数提取：即提取MFCC、LPCC、ΔMFCC、ΔLPCC、能量、能量的一阶差分、GFCC特征参数共同组成多维特征向量、采用遗传算法对多维特征参数进行筛选、引入通用背景模型UBM训练得到说话人的声音模型、最后利用GMM-UBM模型对测试语音进行识别。与单一的语音信号特征参数进行声纹识别相比，采用组合特征参数并使用GMM-UBM模型的声纹识别系统，有效地提高了声纹识别的识别准确率和系统稳定性。
主 权 项：一种基于多类型组合特征参数的声纹识别方法，其特征在于，包括如下步骤：S1：语音信号的采集输入；S2：语音信号的预处理，主要包括预加重、分帧和加窗处理；S3：语音信号组合特征参数提取：提取MFCC、LPCC、△MFCC、△LPCC、能量、能量的一阶差分以及GFCC特征参数共同组成多维特征向量，其中：MFCC为梅尔频率倒谱系数，LPCC为线性预测倒谱系数，△MFCC为MFCC的一阶差分，△LPCC为LPCC的一阶差分，GFCC为Gammatone滤波器倒谱系数；S4：利用遗传算法对步骤S3中的多维特征向量进行筛选，将GMM?UBM识别过程中等错误率作为评价函数，选取使得等错误率最小的特征向量作为声纹识别的特征向量，其中所述GMM?UBM为高斯混合模型与通用背景模型相结合的说话人识别模型；S5：使用GMM?UBM训练得到说话人的声音模型，即将语音库随机选取相应数量的语音训练得到UBM，然后利用最大后验准则自适应得到不同说话人的声音模型；S6：提取经遗传算法筛选后的测试语音的特征参数，利用步骤S5训练得到的GMM?UBM模型，计算出对数概率得分，选择概率得分最大者，即为目标说话人。
关 键 词：
法律状态：公开
IPC专利分类号：G10L17/02(2013.01)I;G10L17/04(2013.01)I;G10L25/39(2013.01)I;G06F21/32(2013.01)I