[发明专利]一种基于独立向量分析的语音特征融合的说话人识别方法

权利要求书

1.一种基于独立向量分析的语音特征融合的说话人识别方法，其特征在于：首先将语音信号的时域特征和频域特征分别构成时域特征矩阵和频域特征矩阵；然后，将时域特征矩阵和频域特征矩阵构成一个特征张量；最后，利用独立向量分析，从此特征张量中提取融合特征，建立说话人模型，实现说话人的识别。

2.根据权利要求1所述的基于独立向量分析的语音特征融合的说话人识别方法，语音特征融合过程按如下步骤：

①利用汉明窗将说话人的语音信号分帧，提取每一帧的时域特征向量和频域特征向量，将提取出的特征向量分别构成K个特征矩阵，即其中，x^[k](t)表示第k个特征类型的第t帧的特征向量，N表示特征的维数，T表示语音帧的个数；

②将K个特征矩阵X^[k]并联成一个张量是一种没有使用独立向量分析的融合特征，为了和提出的融合特征相区别，被记为特征张量；对此特征张量采用独立向量分析建立说话人的模型，提取独立向量，即

其中，为融合特征，其中为独立向量的估计；是由K个解混矩阵并联构成的解混张量作为说话人的模型；

③利用优化函数来估计独立向量和解混张量，即：

上式中，H[·]表示信息熵，det(·)表示行列式，为独立向量的估计，n∈{1,...,N}，C＝H[x^[1](t),...,x^[K](t)]是一个常数；

采用牛顿算法同时更新K个解混矩阵的第n行表示第k个解混矩阵的第n行，n∈{1,...,N}，即

其中，μ为学习率，表示损失函数对w_n的导数，为Hessian矩阵。