[发明专利]一种基于矩阵离线预计算的快速全空间因子处理方法

摘要

本发明涉及一种基于矩阵离线预计算的快速全空间因子处理方法，步骤为：资源加载，首先都需要加载通用背景模型（UBM），全空间因子矩阵T；获取需要做声纹验证或者注册的语音数据，并提取声纹识别所需PLP特征；提取零阶统计量N和一阶统计量F；计算并得到L矩阵；生成L矩阵的逆矩阵；利用一阶统计量、L矩阵的逆矩阵、协方差扩展矩阵、全空间因子矩阵得到本次语音对应的全空间因子W；如果完成所有语音计算则结束。本发明将全空间因子求解模块效率提升了几十倍，使得全空间因子分析与本征信道因子分析算法复杂度相当，从而使得声纹识别中可以采用两者融合的系统。

主权项

1.一种基于矩阵离线预计算的快速全空间因子处理方法，其特征在于实现步骤如下：步骤1：资源加载，加载通用背景模型（UBM）、全空间因子矩阵T及离线预计算之后的离线预计算资源，即结果A；资源加载是全局性的，在整个引擎初始化时加载一次即可；全局加载的通用背景模型、全空间因子矩阵、离线预计算资源将在后续步骤陆续被使用；步骤2：获取需要声纹验证或者注册的输入语音数据，并提取声纹识别所需PLP特征；此处输入语音数据是全空间因子分析的对象，通过该步骤能够多次输入语音数据；步骤3：使用步骤1中加载的通用背景模型（UBM），以及步骤2中提取的PLP特征，计算零阶统计量N和一阶统计量F；零阶统计量N在步骤4中用于计算L矩阵，一阶统计量F在步骤7中计算全空间因子W；步骤4：采用步骤1中加载的离线预计算资源A，步骤3中得到的零阶统计量N，计算得到L矩阵；L矩阵求解公式如下所示：L＝I+A·N      公式（1）步骤5：生成L矩阵的逆矩阵，求解公式如下，其中|L|为L矩阵的行列式值，L^*为L矩阵的伴随矩阵；L-1=1|L|L*]]>      公式（2）步骤6：采用步骤1中通用背景模型（UBM）生成协方差扩展矩阵V，生成协方差扩展矩阵V的方法为：V是协方差扩展对角阵，是通用背景模型（UBM）各混合高斯（GMM）的逆协方差矩阵的组合，矩阵对角线上从左上到右下依次排列如下，其中D为特征维数，M为GMM个数，为第i个GMM模型的第j个协方差，公式（3）；步骤7：利用步骤1中加载的全空间因子矩阵T，步骤3中提取的一阶统计量F，步骤5中L矩阵的逆矩阵L^-1,步骤6当中协方差扩展矩阵V，得到输入语音对应的全空间因子W，计算公式如下：W＝L^-1T′VP    公式（4）步骤8：利用步骤1中的通用背景模型（UBM），步骤2中提取的PLP特征，步骤7中得到的全空间因子W，完成本次输入语音的后续声纹识别过程；步骤9：在完成本次输入语音声纹识别后，如果没有其它需要做声纹识别的语音，则整个过程结束，如果还有语音需要进行声纹识别，则转到步骤2重新开始一次声纹识别流程。