[发明专利]基于语种对的鉴别式语种识别模型建立方法

权利要求书

1.基于语种对的鉴别式语种识别模型建立方法，其特征在于，所述方法是在数 字集成电路芯片中依次按以下步骤实现的：

步骤(1)：初始化

在所述集成电路中建立以下模块：特征提取模块、最大似然ML准则训练模 块、分子统计量计算模块、分母统计量计算模块、分子统计量平滑模块、更新 系数计算模块以及模型参数更新模块；

步骤(2)：对CallFriend数据库12个语种的电话对话语音通过所述特征提取 模块提取7维Mel频率倒谱系数MFCC，再计算偏移差分倒谱SDC特征向量， 其计算公式为：

s_k(i)＝x(i+3k+1)-x(i+3k-1)，k＝0，1，...，6

其中x(i)表示第i帧MFCC特征向量，k为SDC特征向量的块标号，k＝0，1，...，6， 共7块，每块7维，连同7维MFCC特征一起拼接成56维的特征向量 {x(i)，s₀(i)，s₁(i)，…，s₆(i)}；

步骤(3)：在所述最大似然ML准则训练模块中，用Baum-Welch算法对步 骤(2)中得到的数据进行最大似然ML训练，得到所述12个语种高斯混合模 型GMM的初始参数，其中第l个语种的参数用λ_l表示：

λl={wlg,μlg,σlg2,g=1,...,G},l=1,...,L]]>

其中下标g表示高斯分量标号，每个语种含G个高斯分量，下标l表示语种标号， l＝1，...，L，共L＝12个语种，w_lg表示第l个语种第g个高斯分量的权重，μ_lg表示 第l个语种第g个高斯分量的均值，表示第l个语种第g个高斯分量的方差；

步骤(4)：分别用分子统计量计算模块和分母统计量计算模块计算所述各语 种的分子统计量和分母统计量：

在所述分子统计量中：

零阶分子统计量θlgnum(1)=Σr=1RΣi=1Trγlgrnum(i)·1]]>

一阶分子统计量θlgnum(χ)=Σr=1RΣi=1Trγlgrnum(i)·Xr(i)]]>

二阶分子统计量θlgnum(χ2)=Σr=1RΣi=1Trγlgrnum(i)·Xr2(i)]]>

在所述分母统计量中：

零阶分母统计量θlgden(1)=Σr=1RΣi=1Trγlgrden(i)·1]]>

一阶分母统计量θlgden(χ)=Σr=1RΣi=1Trγlgrden(i)·Xr(i)]]>

二阶分母统计量θlgden(χ2)=Σr=1RΣi=1Trγlgrden(i)·Xr2(i)]]>

其中上标“num”代表分子项，上标“den”代表分母项，θ(1)、θ(χ)和θ(χ²)分 别代表零阶、一阶和二阶统计量，χ为所述特征向量的随机变量，R为总段数， r＝1，2，...，R，T_r为第r段语音的帧数，i＝1，2，...，T_r，X_r(i)代表第r段语音的第i帧特 征向量的取值，为第l个语种分子项中X_r(i)属于第g个高斯分量的后验概 率，为第l个语种分母项中X_r(i)属于第g个高斯分量的后验概率，其中：

γlgrnum(i)=γlgr(i),l=lr0,l≠lr]]>

γlgrden(i)=γlgr(i)1L(Σl′=1Lpλ(Xr|l)Kpλ(Xr|l)K+pλ(Xr|l′)K+12),l=lrγlgr(i)1Lpλ(Xr|l)Kpλ(Xr|lr)K+pλ(Xr|l)K,l≠lr]]>

其中下标g′是不同于g的高斯分量标号，下标l′是不同于l的语种标号， 表示均值为μ_lg，方差为的高斯分布在随机变量取值为X_r(i)时 的概率密度，p_λ(X_r|l)为第r段语音在第l个语种参数下的条件概率密度 K为修正因子，取值为6/T_r，对所有语种 l＝1，...，L和所有高斯分量g＝1，...，G循环进行上述计算；

零阶分子统计量表示所有R段的各段语音的各帧特征向量分别属于第 g个高斯分量的后验概率之和，一阶分子统计量表示所有R段的各 段语音的各帧特征向量分别属于第g个高斯分量的后验概率与本帧特征向 量的乘积之和，二阶分子统计量表示所有R段的各段语音的各帧特征向 量分别属于第g个高斯分量的后验概率与本帧特征向量平方的乘积之和， 对于各阶分母统计量依此类推；

步骤(5)：对步骤(4)中得到的分子统计量进行平滑处理：

用θlgnum(1)+τI]]>代替θlgnum(1),]]>

用θlgnum(χ)θlgnum(1)+τIθlgnum(1)]]>代替θlgnum(χ),]]>

用θlgnum(χ2)θlgnum(1)+τIθlgnum(1)]]>代替θlgnum(χ2),]]>

其中τ^I为平滑因子，取值为100，对所有语种l＝1，...，L和所有高斯分量g＝1，...，G循 环进行上述计算；

步骤(6)：由分子统计量和分母统计量计算模型参数μ_lg和的更新系数D_lg：

Dlg=max{2Dmin,2θlgden(1)}]]>

其中D_min是关于D的一元二次方程的两个解中较大的一个：

σlg2D2+[(θlgnum(χ2)-θlgden(χ2))+(θlgnum(1)-θlgden(1))(σlg2+μlg2)-2(θlgnum(χ)-θlgden(χ))μlg]D]]>

+[(θlgnum(1)-θlgden(1))(θlgnum(χ2)-θlgden(χ2))-(θlgnum(χ)-θlgden(χ))2]=0]]>

对所有语种l＝1，...，L和所有高斯分量g＝1，...，G循环进行上述计算；

步骤(7)：修正模型参数μ_lg和得到新的模型参数和

μ^lg=θlgnum(χ)-θlgden(χ)+Dlgμlgθlgnum(1)-θlgden(1)+Dlg]]>

σ^lg2=θlgnum(χ2)-θlgden(χ2)+Dlg(σlg2+μlg2)θlgnum(1)-θlgden(1)+Dlg-μ^lg2]]>

对所有语种l＝1，...，L和所有高斯分量g＝1，...，G循环进行上述计算；

步骤(8)：设定所有R段语音数据的目标函数为：

当迭代次数大于20次或相邻两次迭代目标函数的变化量小于1.0×10^-5则停止迭 代，否则，用代替μ_lg，代替σ_lg，转步骤(4)。