公开(公告)号：CN115512708B

公开(公告)日：2024-05-07

申请号：CN202211218439.2

申请日：2022-10-05

Applicant: 哈尔滨理工大学

Inventor： 陈晨 ,  李文文 ,  孙文泽 ,  杨海陆 ,  王莉莉 ,  陈德运

IPC: G10L17/04 ,  G10L17/06 ,  G06F18/28 ,  G06F18/214 ,  G06F18/24

Abstract: 本发明公开了一种基于区分性字典与分类器联合学习的说话人识别方法，该方法在训练数据中增加分类器参数和正则化参数，提高了传统说话人识别系统的正确率，是在传统字典学习基础上的创新。本发明在训练阶段，首先对语音提取i‑vector，将其和One‑Hot拼接后作为稀疏分解的输入；然后初始化字典和分类器参数，获取i‑vector在字典上的稀疏表示；最后利用K均值‑奇异值分解(KSVD)算法更新字典。在识别阶段，首先利用字典与其二范数的商作为识别阶段的字典，同理得到分类器参数；然后计算测试语音在字典上的稀疏表示，分类器参数和稀疏表示的积是说话人在不同字典上的得分；最后判断得分最高说话人是否是测试说话人。本发明可以应用于说话人识别领域。

公开(公告)号：CN115512708A

公开(公告)日：2022-12-23

申请号：CN202211218439.2

申请日：2022-10-05

Applicant: 哈尔滨理工大学

Inventor： 陈晨 ,  李文文 ,  孙文泽 ,  杨海陆 ,  王莉莉 ,  陈德运

IPC: G10L17/04 ,  G10L17/06 ,  G06K9/62

Abstract: 本发明公开了一种基于区分性字典与分类器联合学习的说话人识别方法，该方法在训练数据中增加分类器参数和正则化参数，提高了传统说话人识别系统的正确率，是在传统字典学习基础上的创新。本发明在训练阶段，首先对语音提取i‑vector，将其和One‑Hot拼接后作为稀疏分解的输入；然后初始化字典和分类器参数，获取i‑vector在字典上的稀疏表示；最后利用K均值‑奇异值分解(KSVD)算法更新字典。在识别阶段，首先利用字典与其二范数的商作为识别阶段的字典，同理得到分类器参数；然后计算测试语音在字典上的稀疏表示，分类器参数和稀疏表示的积是说话人在不同字典上的得分；最后判断得分最高说话人是否是测试说话人。本发明可以应用于说话人识别领域。