[发明专利]基于情感补偿的声纹识别方法

权利要求书

1.一种基于情感补偿的声纹识别方法，其特征在于：步骤如下：首先通过情感检测方法检测情感语音的形变程度计算情感因子，然后在训练与识别两个阶段分别在模型层与特征层对情感所引起的语音变化进行补偿，包括：训练阶段采用情感拓展方法对声纹模型做拓广修整；识别阶段采用特征补偿方法对声纹特征进行规范化处理。

2.根据权利要求1所述的基于情感补偿的声纹识别方法，其特征在于：所述的情感检测方法表示从语音特征统计分析和模型匹配两条途径来检测语音特征相对于训练模型是否产生形变，并计算语音特征产生形变的剧烈程度，即情感因子。

3.根据权利要求1所述的基于情感补偿的声纹识别方法，其特征在于：所述的情感拓展方法表示从模型层次进行补偿，在模型训练时，使声纹模型尽可能包容不同情感下的特征变化信息，包括基于情感变化规律的情感语料合成方法和个体声纹模型的增量式学习方法。

4.根据权利要求1所述的基于情感补偿的声纹识别方法，其特征在于：所述的特征补偿方法表示在特征层对情感语音特征进行规分化处理，依据情感因子对语音特征进行调理，使其符合原有模型。

5.根据权利要求2所述的情感检测技术，其特征在于：所述的语音特征统计分析方法表示采用ANOVA、MANOVA统计分析方法分析不同情感下的语音特征的变化强弱，根据变化的强弱对特征进行归类并计算情感因子。

6.根据权利要求2所述的情感检测技术，其特征在于：所述的模型匹配方法表示采用GMM、SVM的各种统计模型对归类情感语音分别训练出不同归类情感的模型，由语音与模型的匹配得分来计算情感因子。

7.根据权利要求3所述的情感检测技术，其特征在于：所述的基于情感变化规律的情感语料合成方法采用情感语音合成和转换技术对训练语音进行变换后生成虚拟的多种情感语音，添加到训练语音中成为拓展训练语音，输入声纹模型进行训练。

8.根据权利要求3所述的情感检测技术，其特征在于：所述的个体声纹模型的增量式学习方法表示运用用户的正确识别语料逐步地对声纹模型进行更新以适应用户的语音特征变化，累积用户提供的识别正确的测试语音作为声纹模型的更新语料，对GMM、SVM之类的统计模型，采用一种不断递进加入更新语料，采用自适应的学习策略对声纹模型进行拓展训练。

9.根据权利要求4所述的特征补偿技术，其特征在于：所述的情感弱化技术表示自适应选择对情感变化相对不敏感的语音特征参与声纹建模，根据情感检测技术获得情感因子的值，通过设置适当的阈值来筛选一些对情感变化相对不敏感的语音特征，以作为后续训练模型的输入，从而得到情感弱化的声纹模型。

10.根据权利要求4所述的特征补偿技术，其特征在于：所述的情感规整技术表示通过对语音特征做变换，规范到训练模型的表达范围内，根据情感检测技术获得情感因子的值，对语音特征做高维几何空间映射将其变换到训练模型的表达范围内；所述的情感屏蔽技术表示自动剔除受情感变化影响变化较大部分的语音特征，留下变化相对平稳的语音特征；根据情感检测技术获得情感因子的值，通过设置适当的阈值来自动剔除受情感变化影响而发生较大变化部分的语音特征，留下变化相对平稳的语音特征。