首页/ 北京华信恒达软件技术有限公司/ 专利详情

一种基于张量子空间分析的说话人识别方法及其装置

基本信息

申请号 CN201210212597.7 申请日 -
公开（公告）号 CN102737633A 公开（公告）日 2012-10-17
申请公布号 CN102737633A 申请公布日 2012-10-17
分类号 G10L15/28(2006.01)I;G10L15/02(2006.01)I;G10L15/22(2006.01)I 分类 乐器；声学;
发明人 刘加;何亮;孙贻滋 申请（专利权）人 北京华信恒达软件技术有限公司
代理机构 北京清亦华知识产权代理事务所（普通合伙） 代理人 廖元秋
地址 100083 北京市海淀区学院路20号炼化楼三层330(石油大院)
法律状态 -

摘要

摘要 本发明涉及自动语音识别领域，特别是一种基于张量子空间分析的说话人识别方法和装置。该方法包括：通过语音数据，训练通用背景高斯混合模型和通用投影矩阵。随后，利用训练好的通用模型和目标说话人的语音建立说话人模型。最后，计算目标说话人模型和测试语音的低维嵌入矩阵的相关系数，并依此作为说话人识别的依据。该装置包括：语音预处理模块、特征提取模块、训练通用背景高斯混合模型模块、自适应模块、训练通用投影矩阵模块、计算低维嵌入模块、计算相关系数模块、分数判决模块和存储模块。本发明能够明显降低说话人建模时的运算量，并且具有模型自由度低、鲁棒性强等特点，适用于语音长度有限情况下的文本无关说话人识别。