[发明专利]一种用于说话人识别系统的后端i-vector增强方法

摘要

本发明公开了一种用于说话人识别系统的后端i‑vector增强方法，该方法以深层神经网络为基础,结合深度神经网络在语音增强方面的应用,建立了一种用于说话人识别系统后端的i‑vector回归模型,得到一种适用于说话人识别系统的后端特征处理器。相比常规的前端语音增强算法,本发明在提高说话人识别系统的抗噪声性能的同时,又能优化说话人识别系统的结构模型，从而使说话人识别系统在噪声环境下的实用性得到有效提升。

主权项

一种用于说话人识别系统的i‑vector后端增强方法，其特征在于，分为训练和识别两个阶段，训练阶段步骤如下：A‑1)，对训练说话人语音信号进行预处理，包括预加重、端点检测、分帧、加窗；A‑2)，利用所述MFCC提取法，提取说话人语音信号的MFCC特征；A‑3)，根据A‑2)提取的MFCC特征训练GMM‑UBM模型来对语音声学特征进行对准,并计算得到特征的高维充分统计量；A‑4)，根据A‑3)得到的特征充分统计量训练i‑vector特征提取器，利用该提取器提取说话人语音信号的i‑vector；A‑5)，根据A‑4)训练得到的i‑vector特征提取器，提取纯净语音和含噪语音的i‑vector,其中，含噪语音的i‑vector作为DNN训练数据，纯净语音的i‑vector作为标签数据；A‑6)，根据A‑4)得到的训练数据和标签数据，使用以下所述方法对深度神经网络模型进行训练，经过训练后的神经网络模型作为i‑vector后端增强模块，与i‑vector/PLDA说话人识别模型融合。识别步骤为：B‑1)，对识别语音进行预加重、端点检测、分帧、加窗，并提取识别语音的MFCC特征；B‑2)，根据权利要求1中训练得到的i‑vector特征提取器，提取待识别说话人每条注册语音和识别语音的i‑vector,并将这些i‑vector分别作为权利要求1所述的DNN模型的输入，该模型的输出为增强后的i‑vector；B‑3)，将待识别说话人注册语音增强后的i‑vector和识别语音增强后的i‑vector输入PLDA模型打分，将PLDA输出的似然比得分与设定的阈值比较，做出最终判决结果。