[发明专利]一种说话人分段聚类方法及装置

权利要求书

1.一种说话人分段聚类方法，其特征在于，包括：

将待聚类语音划分为多个子语音段；

通过权重联合概率线性判别分析WT-PLDA模型对基于划分得到的各子语音段的I-vector提取出各子语音段的特征信息W-vector，所述WT-PLDA模型的模型参数至少包括：均值向量、说话人子空间的投影矩阵、说话人因子的隐藏变量以及残差因子；

通过概率线性判别分析PLDA根据划分后多个子语音段的所述W-vector对该多个子语音段循环进行多次聚类，直至所述多个子语音段被聚类为两类；

所述方法还包括：

在将待聚类语音划分为多个子语音段之前，通过下式建立WT-PLDA模型：

其中，ω_ij表示第i个说话人的第j个I-vector，c_m代表第m个语音成分的权重，c_m≥0，m＝1,2，…，M，且其中M为PLDA的个数，μ_m表示所述均值向量，V_m表示所述说话人子空间的投影矩阵，y_i表示所述说话人因子的隐藏变量，ε_ij表示残差因子。

2.根据权利要求1所述的方法，其特征在于，所述通过概率线性判别分析PLDA根据划分后多个子语音段的所述W-vector对该多个子语音段循环进行多次聚类，直至所述多个子语音段被聚类为两类，包括：

通过PLDA根据划分后各相邻的子语音段的W-vector对各相邻的两个子语音段进行打分，得到各对子语音段的打分结果；

将打分结果中分数最高的两个目标子语音段合并为一个语音段；

提取合并后的语音段的所述W-vector，根据该W-vector以及所述多个子语音段中除了所述两个目标子语音段之外的其他子语音段的W-vector进行打分，得到打分结果中分数最高的另外两个目标子语音段后，返回执行将该两个目标子语音段合并为一个语音段的步骤以及该步骤之后的步骤，直至所述多个子语音段被聚类为两类。

3.根据权利要求1至2任一项所述的方法，其特征在于，所述方法还包括：

在通过权重联合概率线性判别分析WT-PLDA模型对基于划分得到的各子语音段的I-vector提取出各子语音段的特征信息W-vector之前，对所述各子语音段的I-vector进行长度规整和/或主成分分析降维PCA处理。

4.一种说话人分段聚类装置，其特征在于，包括：

划分模块，用于将待聚类语音划分为多个子语音段；

提取模块，用于通过权重联合概率线性判别分析WT-PLDA模型对基于划分得到的各子语音段的I-vector提取出各子语音段的特征信息W-vector，所述WT-PLDA模型的模型参数至少包括：均值向量、说话人子空间的投影矩阵、说话人因子的隐藏变量以及残差因子；

聚类模块，用于通过概率线性判别分析PLDA根据划分后多个子语音段的所述W-vector对该多个子语音段循环进行多次聚类，直至所述多个子语音段被聚类为两类；

所述装置还包括：

第一建立模块，用于在将待聚类语音划分为多个子语音段之前，通过下式建立WT-PLDA模型：

其中，ω_ij表示第i个说话人的第j个I-vector，c_m代表第m个语音成分的权重，c_m≥0，m＝1,2，…，M，且其中M为PLDA的个数，μ_m表示所述均值向量，V_m表示所述说话人子空间的投影矩阵，y_i表示所述说话人因子的隐藏变量，ε_ij表示残差因子。