[发明专利]一种结合I-vector和PLDA的声纹识别方法

权利要求书

1.一种结合I-vector和PLDA的声纹识别方法，其特征在于，所述方法包括：

获取待识别声纹信号，利用谱减法对其进行降噪处理；

对降噪后的待识别声纹信号进行预加重和加窗处理；

基于声纹信号能量对待识别声纹信号进行分帧处理；

利用WS语音特征提取算法提取有效声纹信号帧中的声纹信号特征；

根据所提取出的声纹信号特征，利用I-vector模型提取I-vector特征；

利用PLDA的建模方法，对I-vector特征中的信道信息进行补偿；

利用对数似然比方法进行声纹比对，根据比对结果实现声纹的识别。

2.如权利要求1所述的一种结合I-vector和PLDA的声纹识别方法，其特征在于，所述利用谱减法对待识别声纹信号进行降噪处理，包括：

1)在时域对含噪声纹信号y(t)、待求解的干净声纹信号s(t)以及静音段的声纹信号n(t)进行关系表征：

y(t)＝s(t)+n(t)

2)分别对上述三种信号进行傅里叶变换，其对应的短时频谱分别为Y(w)，S(w)和N(w)，根据语音的特征分布，它们服从均值为0的高斯分布，因此从概率统计学分析可知，它们之间存在如下的平方关系：

|Y(w)|²＝|S(w)|²+|N(w)|²+2Re[S(w)N(w)]

3)由于噪声和语音信号之间是没有直接关联的，即噪声不会随着语音信号的改变而改变，也就是S(w)和N(w)是相互独立的，所以Re[S(w)N(w)]＝0；

4)S(w)的平方就是语音的功率谱，所以待求解的纯净语音功率谱见下式：

|S(w)|²＝|Y(w)|²-|N(w)|²

其中：

Y(w)为含噪声纹信号的短时频谱；

N(w)为静音段声纹信号的短时频谱；

S(w)为纯净声纹信号的短时频谱。

3.如权利要求2所述的一种结合I-vector和PLDA的声纹识别方法，其特征在于，所述对待识别声纹信号进行预加重和加窗处理，包括：

1)利用预加重的函数式提高声纹信号：

H(z)＝1-az^-1

其中：

z为待识别的声纹信号；

a为预加重系数，本发明将其设为0.912；

2)利用汉明窗对所述声纹信号进行加窗处理，所述汉明窗的时域表达式为：

其中：

n为待识别声纹信号的帧数；

N为待识别声纹信号的总帧数。

4.如权利要求3所述的一种结合I-vector和PLDA的声纹识别方法，其特征在于，所述基于声纹信号能量的声纹信号分帧处理过程为：

针对待识别声纹信号中的若干帧，利用下式计算每一帧的能量：

其中：

x(n)为待识别声纹信号；

N为待识别声纹信号的总帧数；

m表示待识别声纹信号的第m帧；

通过设定不同的能量阈值，依据每一帧的能量将声纹信号分割成重叠帧，其中能量较高的帧部分即为声纹信号中的有效部分。