[发明专利]基于自联想神经网络和高斯混合背景模型相结合的说话人确认方法

摘要

本发明公开了基于自联想神经网络和高斯混合背景模型相结合的说话人确认方法，利用本方法可以提高说话人确认系统的性能。本发明充分考虑了AANN和GMM各自的优点，把AANN嵌入到GMM-UBM，并且提出了一种两阶段的学习方法，交替更新GMM和AANN的参数，并以极大似然概率作为训练GMM和AANN的共同目标，这样使AANN能够学习特征向量间的差异，把特征向量集映射能增大似然概率的子空间，并且由于神经网络的学习特性可以进一步消除信道的不匹配效果。实验表明，采用本发明的说话人确认方法可以有效地降低系统的错误识别率。

主权项

基于自联想神经网络和高斯混合背景模型相结合的说话人确认方法，其特征在于包括以下步骤：在训练时，利用自联想神经网络(AANN)对特征向量进行变换，并且学习特征向量集的结构，然后把学习结果以残差特征向量(即输入向量与AANN网络的输出之差)的形式提供给高斯混合模型(GMM)，进行GMM模型训练；通过一个两阶段方法来训练这个通用背景模型和说话人模型，训练AANN网络的过程和训练GMM模型的过程交替进行；训练通用背景模型的GMM时采用期望最大(EM)方法，训练目标说话人模型的GMM时用最大后验概率(MAP)方法，训练AANN时采用带惯性的反向传播(BP)向后反演法；在进行说话人确认时，由于AANN网络已经学习了目标说话人特征空间的结构，所以输入特征向量，AANN网络会把特征向量作适当的变换，然后提供给GMM模型，而会起到增强目标特征的似然概率，降低非目标特征的似然概率。