[发明专利]基于多特征匹配的声纹识别方法及装置

说明书

本发明公开了基于多特征匹配的声纹识别方法及装置，属于语音识别技术领域，本发明的基于多特征匹配的声纹识别方法，对采集待识别的声音数据，提取声音数据的声纹，生成声纹的波形，基于生成的声纹的波形，对声纹进行噪声分离等操作，实现了将采集到的声音数据转换为声纹，对声纹进行噪声分离，再对声音声纹波形分别进行情绪空间映射和识别空间映射，分别在两个空间下得到情绪特征和识别特征，再根据情绪特征和识别特征进行识别，在识别过程中，使用窗函数的方式进行相似部分识别，多特征的识别显著提升了识别的准确率。

技术领域

本发明属于语音识别技术领域，具体涉及基于多特征匹配的声纹识别方法及装置。

背景技术

语音识别是一门交叉学科。近二十年来，语音识别技术取得显著进步，开始从实验室走向市场。人们预计，未来10年内，语音识别技术将进入工业、家电、通信、汽车电子、医疗、家庭服务、消费电子产品等各个领域。语音识别听写机在一些领域的应用被美国新闻界评为1997年计算机发展十件大事之一。很多专家都认为语音识别技术是2000年至2010年间信息技术领域十大重要的科技发展技术之一。语音识别技术所涉及的领域包括：信号处理、模式识别、概率论和信息论、发声机理和听觉机理、人工智能等等。

根据识别的对象不同，语音识别任务大体可分为3类，即孤立词识别(isolatedword recognition)，关键词识别(或称关键词检出，keyword spotting)和连续语音识别。其中，孤立词识别的任务是识别事先已知的孤立的词，如“开机”、“关机”等；连续语音识别的任务则是识别任意的连续语音，如一个句子或一段话；连续语音流中的关键词检测针对的是连续语音，但它并不识别全部文字，而只是检测已知的若干关键词在何处出现，如在一段话中检测“计算机”、“世界”这两个词。

根据针对的发音人，可以把语音识别技术分为特定人语音识别和非特定人语音识别，前者只能识别一个或几个人的语音，而后者则可以被任何人使用。显然，非特定人语音识别系统更符合实际需要，但它要比针对特定人的识别困难得多。

另外，根据语音设备和通道，可以分为桌面(PC)语音识别、电话语音识别和嵌入式设备(手机、PDA等)语音识别。不同的采集通道会使人的发音的声学特性发生变形，因此需要构造各自的识别系统。

发明内容

本发明的主要目的在于提供基于多特征匹配的声纹识别方法及装置，其将采集到的声音数据转换为声纹，对声纹进行噪声分离，再对声音声纹波形分别进行情绪空间映射和识别空间映射，分别在两个空间下得到情绪特征和识别特征，再根据情绪特征和识别特征进行识别，在识别过程中，使用窗函数的方式进行相似部分识别，多特征的识别显著提升了识别的准确率。

为达到上述目的，本发明的技术方案是这样实现的：

基于多特征匹配的声纹识别方法，所述方法执行以下步骤：

步骤1：采集待识别的声音数据，提取声音数据的声纹，生成声纹的波形，基于生成的声纹的波形，对声纹进行噪声分离；得到声音区间对应的声音声纹波形；

步骤2：对声音声纹波形进行基于情绪空间的波形映射，得到情绪空间下的情绪映射波形；再对声音声纹波形进行基于识别空间的波形映射，得到识别空间下的识别映射声纹波形；

步骤3：基于情绪映射波形进行第一次特征分析，得到声音声纹波形的情绪特征；基于识别映射波形进行第二次特征分析，得到声音声纹波形的识别特征；

步骤4：将识别特征和情绪特征进行特征融合，以得到声纹波形融合后的特征，将该特征作为待识别目标；

步骤5：对待识别目标进行基于分帧处理，以得到声纹波形融合后的特征的每一音帧的特征；使用两个识别样本对分帧处理后的待识别目标进行匹配识别，通过匹配识别得到相似部分；

步骤6：在两个样本中找到相似部分分别对应的内容，对内容取加权平均，完成相似部分的识别；