[发明专利]基于度量学习的语音时序数据相似性度量方法

权利要求书

1.基于度量学习的语音时序数据相似性度量方法，其特征在于，具体包括以下步骤：

步骤一、获取语音时序数据；

步骤二、结合马氏距离和斯皮尔曼线性相关性系数计算语音时序数据的局部距离，然后使用动态时间弯曲算法得到动态时间弯曲距离的表达式；

步骤三、根据PGDM度量学习框架建立以马氏矩阵为参数的损失函数；

步骤四、求解损失函数计算出针对当前训练集样本的马氏矩阵；

步骤五、将步骤四中求得的马氏矩阵代入动态时间弯曲距离的表达式，得到每两个语音时序数据样本的相似性度量。

2.根据权利要求1所述基于度量学习的语音时序数据相似性度量方法，其特征在于，步骤二中所述语音时序数据的局部距离具体为：

D_local(X_i,Y_j)＝D_M(X_i,Y_j)/1+ρ(X_i,Y_j) (1)

其中，D_local(X_i,Y_j)为局部距离；D_M(X_i.Y_j)为马氏距离，ρ(X_i,Y_j)为斯皮尔曼线性相关性系数，X_i、Y_j分别为两个时序数据分别在i、j两个时刻的向量。

3.根据权利要求1或2所述基于度量学习的语音时序数据相似性度量方法，其特征在于，步骤二中所述动态时间弯曲距离的表达式为：

其中，DTW(T₁,T₂)为动态时间弯曲距离；上标T表示转置，k＝1,2,…,t；t表示表示动态时间弯曲(DTW规整)后的最优路径长度；时序数据T₁＝{X₁,X₂,...,X_m1}，时序数据T₂＝{Y₁,Y₂,...,Y_m2}，X_i、Y_j每个时刻记录的变量个数均n，M表示马氏矩阵。

4.根据权利要求3所述基于度量学习的语音时序数据相似性度量方法，其特征在于，步骤二中所述得到动态时间弯曲距离的表达式的具体过程包括：

步骤二一、根据局部距离计算动态时间弯曲的最优路径：

r(i,j)＝D_local(Xi,Y_j)+min{r(i-1,j-1),r(i-1,j),r(i,j-1)} (3)

其中，r(i,j)表示从动态时间弯曲的距离成本矩阵的起始点(1,1)到(i,j)的累积最小距离；

步骤二二、根据动态时间弯曲的最优路径，两个时序数据T₁和T₂能够扩展为长度为t的新的时序数据和表示为：

其中，为在k时刻的数据向量、为在k时刻的数据向量；分别为T₁、T₂的动态规划路径；

步骤二三、则多变量时间序列数据T₁和T₂的动态时间弯曲距离DTW(T₁,T₂)能够表示为：