1.一种基于字典学习和低秩矩阵分解的说话人识别方法,其特征在于:包括以下步骤:步骤1,对说话人音频进行预加重、分帧、加窗、端点检测等处理;
步骤2,提取出对应每个说话人语句的MFCC特征,并训练GMM-UBM模型;
步骤3,通过联合因子分析(JFA)估算全局差异空间矩阵T,全局差异空间因子w;
步骤4,得到对应每个说话人语句的i-vector;
步骤5,从训练集中提取M维度的i-vector并生成特征矩阵,根据训练集和测试集,对判别字典进行生成,得到的字典将作为i-vector后端处理和打分模块,为最终判别提供依据。
2.根据权利要求1所述的一种基于字典学习和低秩矩阵分解的说话人识别方法,其特征在于:所述步骤5的具体内容如下:设测试集的i-vector样本集合为Y,矩阵C含有说话人共性部分E和说话人个性部分DX,即Y=DX+E,那么对于训练样本Y,其在字典D上的最优稀疏表示系数应为一块对角阵,如下所示:字典D包含c个类别的子字典,X是训练样本Y在字典D上的稀疏稀疏,其中Xi是对应子字典Di的稀疏系数;字典D具备可识别和重建的能力,从而低秩和稀疏稀疏表示,子字典Di为第i类训练样本的转悠字典,达到最好的识别率;第i类i-vector样本被第i类的子字典D很好表示;
字典Di(i≠j)对应的编码系数为0;结构化稀疏对应为Q=[q1,q2,.....,qi]∈RN×L,其中qi表示对应于训练样本yi的编码,N表示字典的尺寸大小,L表示训练样本总数;
设训练样本yi属于第M类,,结构化稀疏系数Q满足qi对应子字典Di的所有系数都为1,其余均为0,结构化系数系数Q与低秩矩阵的结合,可以对样本进行最优的分类。
3.根据权利要求2所述的一种基于字典学习和低秩矩阵分解的说话人识别方法,其特征在于:所述步骤5的算法流程包括如下内容:给定训练样本,其中样本Y=[Y1,Y2,.....,Yi],包含c个类别的n个样本; 表示第i类的样本,d表示每个样本向量的维数,ni表示第i类样本的样本个数;每类样本学习一个子字典,最终整合成字典D=[D1,D2,.....,Di],其中 表示对第i类样本进行学习后得到的子字典,表示每个子字典原子的维数,表示第i类子字典的原子个数。
4.根据权利要求3所述的一种基于字典学习和低秩矩阵分解的说话人识别方法,其特征在于:所述算法流程中的模型具体包括如下内容:a.生成初始字典D,将训练样本Yi降维,得到的新向量作为子字典Di的初始原子;
b.得到相关编码系数Xi(i=1,2,…,c),并保持xj(j≠i)不变,依序对编码系数进行更新,字典模型表达式为:从式中可以得出,子字典已经能表征训练样本,其中,r(Yi,D,Xi)是样本重新构建后产生的偏差项,Di是第i类训练样本的子字典;||X||1为是稀疏分类的约束项,F(X)是K-SVD判别式;方程中的F(X)的类内离散度尽量减小,类间离散度尽量增大达到更好地识别效果;
由此可得出下式:
上式由迭代投影方法求得;
c.更新子字典Di(i=1,2,…,c):同时固定Dj(j≠i)、系数X,同步更新子字典Di(i=1,
2,…,c)和样本Y在子字典上对应的编码系数 得到简化后的字典模型方程为:则
d.迭代:J(D,X)大于或等于阈值或者迭代次数已达上限,此时将自动输出稀疏编码X和字典D,否则返回步骤b。
e.分类:样本y的编码系数将根据结构化低秩矩阵D得出
式中:x=[x1;x2;x3……xc],xi是对应于子字典Di的编码系数,根据式计算出第i类的残差
5.根据权利要求4所述的一种基于字典学习和低秩矩阵分解的说话人识别方法,其特征在于:所述步骤5中的训练阶段,既可以输入纯净语音的i-vector构成训练数据对并提取相应的语音特征,也可以将纯净语音和噪声数据混合的i-vector输入字典;在分别将不同信噪比和种类的含噪语音和的语音特征作为输入和标签数据训练判别字典时,得到的低秩部分E除了含有i-vector的共性字典外还含有噪声字典,也会被单独提取出来不参与分类过程。