一種采用總變化量因子的語種識(shí)別方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及的技術(shù)領(lǐng)域包括語音識(shí)別、語種識(shí)別和語音信號(hào)處理，具體地說，本發(fā) 明涉及一種采用總變化量因子的語種識(shí)別方法及系統(tǒng)。
【背景技術(shù)】
[0002] 語種識(shí)別也被稱為語種辨識(shí)，是通過分析處理一個(gè)語音片段判斷其屬于哪個(gè)語言 種類的過程，其本質(zhì)是語音識(shí)別的一個(gè)方面。語種識(shí)別利用機(jī)器學(xué)習(xí)和模式分類的知識(shí)，一 般一個(gè)語種識(shí)別系統(tǒng)由訓(xùn)練和測試兩個(gè)過程組成。
[0003] 訓(xùn)練過程：首先從原始訓(xùn)練語音文件中獲取一些能夠表示該語種的基本信息，即 特征，然后利用這些特征對每個(gè)語種或者語種之間的關(guān)系進(jìn)行建模，模型代表了該語種固 有的、以及該語種與其他語種之間差異的信息。
[0004] 測試過程：首先對測試語句提取特征，然后基于每個(gè)語種模型計(jì)算他們之間的得 分，一般而言，使用和測試語句來自同一個(gè)語種的訓(xùn)練語句得到的模型的分?jǐn)?shù)最大，以此判 斷這個(gè)測試屬于哪個(gè)語種。
[0005]目前主流的語種識(shí)別系統(tǒng)主要分為基于音素特征的模型方法和基于聲學(xué)特征的 模型方法。在基于聲學(xué)特征建模的方法中，基于GMM超矢量結(jié)合支持向量機(jī)建模的系統(tǒng) (GSV系統(tǒng)）是目前的主流系統(tǒng)。
[0006] 但是GSV系統(tǒng)采用高維超矢量作為分類器的輸入，在短時(shí)語音識(shí)別上性能較差， 當(dāng)訓(xùn)練數(shù)據(jù)較少、目標(biāo)語種較多時(shí)，還容易出現(xiàn)無法訓(xùn)練出模型的情況。并且對支持向量機(jī) 模型打分，最后的得分并不代表似然值，得分區(qū)間很大，進(jìn)行多系統(tǒng)分?jǐn)?shù)端融合時(shí)有一定困 難。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明的目的在于，為克服現(xiàn)有的GSV系統(tǒng)的缺陷，從而提供一種基于總變化量 因子的語種識(shí)別方法和系統(tǒng)。
[0008] 為了實(shí)現(xiàn)上述目的，本發(fā)明提供了一種高斯后端分類器模型構(gòu)造方法，所述方法 包含：
[0009] 步驟101)提取某語種若干段訓(xùn)練語音的聲學(xué)特征，并依據(jù)全局背景模型和總變化 量因子空間模型將提取的聲學(xué)特征映射為總變化量因子，其中每一句話的總變化量因子是 一個(gè)矢量；
[0010] 步驟102)利用支持向量機(jī)訓(xùn)練一組一對一和一對多支持向量機(jī)模型，然后選擇若 干個(gè)總變量因子對所述一對一和一對多支持向量機(jī)模型打分，進(jìn)而依據(jù)得分矩陣訓(xùn)練一個(gè) 高斯后端分類器模型。
[0011] 上述方案所述訓(xùn)練一組一對一和一對多模型的策略進(jìn)一步包含：
[0012] 步驟301)對輸入的訓(xùn)練語音進(jìn)行前端處理，進(jìn)而去掉彩鈴、振鈴和傳真音，并去 除沒有語音的靜音部分，僅保留含有有效語音的部分，并提取有效語音部分的移動(dòng)差分特 征；
[0013] 步驟302)提取移動(dòng)差分特征的總變化量因子向量，其中，每一句訓(xùn)練語句對應(yīng)一 個(gè)維數(shù)固定的矢量，且該矢量表征了此句話包含的語種信息；每個(gè)語種有若干條訓(xùn)練語句， 對應(yīng)多條總變化量因子向量；根據(jù)支持向量機(jī)分類算法，訓(xùn)練某語種對其他語種的一對一 和一對多支持向量機(jī)模型，如果有N個(gè)目標(biāo)語種，將會(huì)得到《 ^ +iV，，個(gè)模型。
[0014] 上述方案所述的訓(xùn)練高斯后端分類器模型的步驟具體包含：
[0015] 步驟401)從訓(xùn)練數(shù)據(jù)選取一部分?jǐn)?shù)據(jù)，提取選取數(shù)據(jù)的總變化量因子，將每個(gè)語 種包含的總變化量因子基于所述的一對一和一對多模型進(jìn)行支持向量機(jī)打分；當(dāng)每個(gè)語種 包含叫，i= 1，2. . .N句訓(xùn)練語句，得到一個(gè)行數(shù)為維、列數(shù)為ffM維的 矩陣，且每行的語種類別已知；
[0016] 步驟402)采用線性判別分析算法訓(xùn)練一個(gè)投影矩陣W，將訓(xùn)練樣本投影后，得到 一個(gè)行、列數(shù)小于l列的新矩陣，該新矩陣為投影后的矩陣，且投影后的矩陣的每一行 的語種類別已知；
[0017] 其中，投影應(yīng)保證模式樣本在新的子空間有最大的類間距離和最小的類內(nèi)距離；
[0018] 步驟403)計(jì)算投影后的矩陣的方差，再計(jì)算每一個(gè)語種類別的單高斯均值，得到 高斯后端模型的參數(shù)，依據(jù)這些參數(shù)得到高斯后端分類器模型。
[0019] 基于上述方案的高斯后端分類器模型和一對一及一對多支持向量機(jī)模型，本發(fā)明 還提供了一種基于總變化量因子的語種識(shí)別方法，所述方法包含：輸入測試語音，并提取測 試語音的聲學(xué)特征；根據(jù)全局背景模型和總變化量因子空間模型將提取的聲學(xué)特征映射為 總變化量因子，再對一對多和一對一模型打分，得到得分向量；將得分向量輸入高斯后端分 類器模型進(jìn)行判決并輸出識(shí)別結(jié)果。
[0020] 上述基于總變化量因子的語種識(shí)別方法具體包含：
[0021] 401)對輸入的測試語音進(jìn)行前端處理，進(jìn)而去掉彩鈴、振鈴和傳真音，去除沒有 語音的靜音部分，僅保留含有有效語音的部分；提取有效語音部分的聲學(xué)層的移動(dòng)差分特 征；
[0022] 步驟402)提取差分特征的變化量因子向量，且每一句話對應(yīng)一個(gè)維數(shù)固定的矢 量；
[0023] 步驟403)將各總變化量因子向量在所述一對一和一對多支持向量機(jī)模型上打分， 得到L維的得分向量；
[0024] 步驟404)通過投影矩陣W，將得分向量映射到線性判別分析算法降維后的空間， 得到一個(gè)低維向量；再將此低維向量在各個(gè)語種的高斯后端模型上打分，即計(jì)算當(dāng)前向量 在各個(gè)語種高斯模型上的log似然值；
[0025] 步驟405)設(shè)定一個(gè)閾值，得分最高的語種如果大于閾值，則判定此測試語句為此 語種；如果小于閾值，則認(rèn)為此測試語句不屬于目標(biāo)語種，進(jìn)而采用上述策略識(shí)別其是否屬 于其他語種。
[0026] 上述方案中，根據(jù)差分特征提取總變化量因子向量的步驟具體為：
[0027] 步驟501)利用各語種的訓(xùn)練數(shù)據(jù)訓(xùn)練全局背景模型和總變化量矩陣T;其中，全 局背景模型采用EM算法訓(xùn)練；
[0028] 步驟502)利用各語種的訓(xùn)練數(shù)據(jù)訓(xùn)練總變化量矩陣T，且總變化量矩陣T與高斯 超矢量的關(guān)系s表示為"s=m+Tw+e" ；
[0029] 其中，m為通用背景模型的超向量；總變化量矩陣T表示總變化空間，且總變化量 矩陣T通過EM算法訓(xùn)練得到；w矢量為與說話人及信道相關(guān)的總變化量因子向量，即最終 得到的低維矢量，該低微矢量服從高斯分布；e為服從高斯分布的殘差。
[0030]上述前端處理為：
[0031] 根據(jù)時(shí)-頻譜分析的方法，對語音進(jìn)行分段，再采用GMM算法，判斷每一段是否屬 于彩鈴、振鈴、傳真音、語音或靜音，依據(jù)判斷結(jié)果刪除內(nèi)容進(jìn)而只保留有效語音部分。
[0032]上述技術(shù)方案中，提取MFCC基本倒譜特征，對基本特征進(jìn)行特征補(bǔ)償，所述特征 補(bǔ)償包括倒譜均值減、Rasta濾波和移動(dòng)差分變換。
[0033]此外，本發(fā)明還提供了一種采用總變量因子的語種識(shí)別系統(tǒng)，所述系統(tǒng)包含：[0034]前端處理模塊，用于處理輸入的測試語音數(shù)據(jù)和訓(xùn)練語音數(shù)據(jù)，進(jìn)而去除語音數(shù) 據(jù)中包含的彩鈴、振鈴活傳真，僅保留有效語音部分；
[0035]特征提取模塊，用于提取每句有效語音部分的移動(dòng)差分特征；
[0036] 總變化量因子提取模塊，用于基于移動(dòng)差分特征計(jì)算總變化量因子向量；
[0037]支持向量機(jī)打分模塊，用于計(jì)算低維的總變化量因子向量在各個(gè)模型上的得分， 得到得分向量；
[0038] 高斯后端得分后處理模塊，用于將得分向量映射到一個(gè)低維空間，在低維空間計(jì) 算在各個(gè)語種單高斯模型上的似然；
[0039] 得分判決模塊，用于根據(jù)最大似然值確定某個(gè)測試語句所屬的語種，輸出識(shí)別結(jié) 果。
[0040] 總之，本發(fā)明的第一方面，提供了一種基于總變化量因子的語種識(shí)別方法，包括 ： 對輸入訓(xùn)練語音，提取某語種多段訓(xùn)練語音的聲學(xué)特征，根據(jù)全局背景模型和總變化量因 子空間模型把聲學(xué)特征映射為總變化量因子，每一句話的總變化量因子是一個(gè)矢量，表征 了這句話包含的語種信息，再利用支持向量機(jī)訓(xùn)練一組一對一和一對多支持向量機(jī)模型， 再選擇一部分語音數(shù)據(jù)的總變量因子對以上模型打分，基于得分矩陣訓(xùn)練一個(gè)高斯后端分 類器模型；對輸入測試語音，提取其聲學(xué)特征，根據(jù)全局背景模型和總變化量因子空間模型 把聲學(xué)特征映射為總變化量因子，對一組支持向量機(jī)模型打分，再把得分向量經(jīng)過高斯后 端分類器，進(jìn)行判決給出識(shí)別結(jié)果。
[0041] 本發(fā)明的第二方面，提供了一種基于總變化量因子的語種識(shí)別系統(tǒng)，包括：前端處 理模塊，用于處理輸入語音數(shù)據(jù)，去除彩鈴、振鈴、傳真等垃圾語音，只保留有效語音部分； 特征提取模塊，用于提取每句有效測試語音的移動(dòng)差分特征；總變化量因子提取模塊，用于 從語音特征計(jì)算總變化量因子向量；支持向量機(jī)打分模塊，用于計(jì)算低維的總變化量因子 向量在各個(gè)模型上的得分，得到得分向量；高斯后端得分后處理模塊，用于將得分向量映射 到一個(gè)低維空間，在低維空間計(jì)算在各個(gè)語種單高斯模型上的似然；得分判決模塊，用于根 據(jù)最大似然值確定最后是否屬于某一個(gè)目標(biāo)語種，給出識(shí)別結(jié)果。
[0042] 本發(fā)明相對于現(xiàn)有語種識(shí)別系統(tǒng)具有以下技術(shù)效果：
[0043] 1、傳統(tǒng)的基于支持向量機(jī)的語種識(shí)別系統(tǒng)都是基于高斯超矢量建立支持向量機(jī) 模型，本發(fā)明采用低維的總變化量因子技術(shù)，通過將高維超矢量映射為一個(gè)包含語種信息 的低維總變化量因子，這樣可以在一個(gè)更具有區(qū)分性的低維空間表征語音特征。
[0044] 2、傳統(tǒng)的基于支持向量機(jī)的語種識(shí)別系統(tǒng)直接建立某語種模型，即只有一對多模 型，本發(fā)明除了訓(xùn)練一對多模型，還訓(xùn)練表