[发明专利]用于远场和近场声音辅助应用的利用超短语音分段进行的说话者标识

权利要求书

1.一种将说话者认证为登记用户的方法，包括：

利用处理器检测对应于由说话者说出的关键短语的输入关键短语数据；

利用处理器，参照输入关键短语数据和存储在操作性地连接到处理器的存储器中的来自登记用户的语音的文本相关声学说话者模型，计算文本相关分数；

利用处理器，参照输入关键短语数据以及存储在存储器中的来自登记用户的语音的文本无关声学说话者模型，计算文本无关分数；

利用处理器，参照文本相关分数和文本无关分数，计算针对将说话者认证为登记用户的置信度分数；

当置信度分数指示输入关键短语数据对应于来自登记用户的语音时，将说话者认证为登记用户；以及

当置信度分数指示输入关键短语数据不对应于来自登记用户的语音时，拒绝将说话者认证为登记用户。

2.根据权利要求1所述的方法，其中文本相关模型是使用梅尔频率倒谱系数（“MFCC”）的群组形成的隐马尔可夫模型（“HMM”），所述梅尔频率倒谱系数从与由登记用户对关键短语的发声相对应的所登记关键短语数据中提取，每个群组对应于如登记用户讲出的关键短语的个别部分。

3.根据权利要求2所述的方法，其中：

检测输入关键短语数据包括：

将输入音频数据的一部分分离成预定分段；

利用处理器提取指示每个分段内存在的人类语音特征的MFCC；并且

计算文本相关分数包括：

使用HMM生成对应于关键短语的MFCC；以及

将维特比算法应用于从输入音频数据的所述部分中提取的MFCC和利用HMM生成的MFCC。

4.根据权利要求1所述的方法，其中检测输入关键短语数据包括：

将输入音频数据的一部分分离成预定分段；

利用处理器提取指示每个分段内存在的人类语音特征的梅尔频率倒谱系数（“MFCC”）；

将所提取的MFCC与对应于来自存储在存储器中的通用背景模型（“UBM”）的关键短语的MFCC进行比较；以及

基于所述比较来确定输入音频数据的所述部分包括关键短语的发声。

5.根据权利要求4所述的方法，其中计算文本相关分数包括：

使用文本相关模型来生成对应于关键短语的MFCC；

基于所提取的MFCC和利用文本相关模型生成的MFCC计算原始文本相关分数；以及

从原始文本相关分数中减去文本相关模型的特定于说话者的阈值偏差，其中文本相关模型的特定于说话者的阈值偏差基于对利用文本相关模型生成的MFCC和对应于来自与登记用户性别匹配的UBM的关键短语的MFCC的比较。

6.根据权利要求5所述的方法，其中计算文本无关分数包括：

使用文本无关模型生成对应于关键短语的MFCC；

基于所提取的MFCC和利用文本无关模型生成的MFCC计算原始文本无关分数；以及

从原始文本无关分数中减去文本无关模型的特定于说话者的阈值偏差，其中文本无关模型的特定于说话者的阈值偏差基于对利用文本无关模型生成的MFCC和对应于来自与登记用户性别匹配的UBM的关键短语的MFCC的比较。

7.根据权利要求4所述的方法，进一步包括：

利用处理器对输入音频数据应用远场增强。

8.根据权利要求1所述的方法，进一步包括：

利用处理器将检测到的输入关键短语数据与存储在存储器中的对应于多个登记用户的所登记关键短语数据进行比较；

计算每个登记用户的可能性分数，每个可能性分数指示检测到的输入关键短语数据与每个登记用户的对应所登记关键短语数据之间的相似度；以及

选择具有与检测到的输入关键短语数据具有最高相似度的所登记关键短语数据的登记用户，作为说话者的可能标识。

9.根据权利要求1所述的方法，其中置信度分数被计算为文本相关分数和文本无关分数的线性组合。