1.一种i‑vector向量提取方法,其特征在于,包括:获取说话人的训练语音数据,并提取所述训练语音数据对应的训练语音特征;
基于预设UBM模型训练出与预设UBM模型对应的总体变化子空间;
将所述训练语音特征投影在所述总体变化子空间上,获取第一i‑vector向量;
将所述第一i‑vector向量投影在所述总体变化子空间上,获取与所述说话人对应的注册i‑vector向量。
2.如权利要求1所述的i‑vector向量提取方法,其特征在于,所述提取所述训练语音数据对应的训练语音特征,包括:对所述训练语音数据进行预处理,获取预处理语音数据;
对所述预处理语音数据作快速傅里叶变换,获取训练语音数据的频谱,并根据所述频谱获取训练语音数据的功率谱;
采用梅尔刻度滤波器组处理所述训练语音数据的功率谱,获取训练语音数据的梅尔功率谱;
在所述梅尔功率谱上进行倒谱分析,获取训练语音数据的MFCC特征。
3.如权利要求1所述的i‑vector向量提取方法,其特征在于,所述基于预设UBM模型训练出与预设UBM模型对应的总体变化子空间,包括:获取所述预设UBM模型的高维充分统计量;
采用最大期望算法对所述高维充分统计量进行迭代,获取对应的总体变化子空间。
4.如权利要求1所述的i‑vector向量提取方法,其特征在于,所述将所述训练语音特征投影在所述总体变化子空间上,获取第一i‑vector向量,包括:基于所述训练语音特征和所述预设UBM模型,采用均值MAP自适应方法获取GMM‑UBM模型;
采用公式s1=m+Tw1将所述训练语音特征投影在所述总体变化子空间上,获取第一i‑vector向量,其中,s1是C*F维的GMM‑UBM模型中与所述训练语音特征相对应的均值超矢量;
m是与说话人无关且信道无关的C*F维超向量;T是所述总体变化子空间,维度为CF*N;w1是第一i‑vector向量,维度为N。
5.如权利要求1所述的i‑vector向量提取方法,其特征在于,所述将所述第一i‑vector向量投影在所述总体变化子空间上,获取与所述说话人对应的注册i‑vector向量,包括:采用公式s2=m+Tw2将所述第一i‑vector向量投影在所述总体变化子空间上,获取注册i‑vector向量,其中,s2是D*G维的与所述注册i‑vector向量相对应的均值超矢量;m是与说话人无关且信道无关的D*G维超向量;T是所述总体变化子空间,维度为DG*M;w2是注册i‑vector向量,维度为M。
6.一种说话人识别方法,其特征在于,包括:
获取测试语音数据,所述测试语音数据携带说话人标识;
还包括采用权利要求1‑5任一项所述i‑vector向量提取方法对所述测试语音数据进行处理,获取对应的测试i‑vector向量;
基于所述说话人标识查询数据库,获取与所述说话人标识对应的注册i‑vector向量;
采用余弦相似度算法获取所述测试i‑vector向量和所述注册i‑vector向量的相似度,根据所述相似度检测所述测试i‑vector向量和所述注册i‑vector是否对应同一说话人。
7.一种i‑vector向量提取装置,其特征在于,包括:获取语音数据模块,用于获取说话人的训练语音数据,并提取所述训练语音数据对应的训练语音特征;
训练变化空间模块,用于基于预设UBM模型训练出与预设UBM模型对应的总体变化子空间;
投影变化空间模块,用于将所述训练语音特征投影在所述总体变化子空间上,获取第一i‑vector向量;
获取i‑vector向量模块,用于将所述第一i‑vector向量投影在所述总体变化子空间上,获取与所述说话人对应的注册i‑vector向量。
8.一种说话人识别装置,其特征在于,包括:
获取测试数据模块,用于获取测试语音数据,所述测试语音数据携带说话人标识;
获取测试向量模块,用于采用权利要求1‑5任一项所述i‑vector向量提取方法对所述测试语音数据进行处理,获取对应的测试i‑vector向量;
获取注册向量模块,用于基于所述说话人标识查询数据库,获取与所述说话人标识对应的注册i‑vector向量;
确定对应说话人模块,用于采用余弦相似度算法获取所述测试i‑vector向量和所述注册i‑vector向量的相似度,根据所述相似度检测所述测试i‑vector向量和所述注册i‑vector是否对应同一说话人。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至
5任一项所述i‑vector向量提取方法或权利要求6所述说话人识别方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述i‑vector向量提取方法或权利要求6所述说话人识别方法的步骤。