调变频谱特徵正规化於强健语音辨识之研究ExploringModulation.ppt

利用PLSA生成模型參數，重建調變頻譜強度 步驟一：估算任一訓練與測試強度頻譜v之主題機率分布 　，其中 步驟二：估算初步更新之調變頻譜 　　　　　　　　　　　 　　　　　　　　　　　 ，其中 步驟三：使用模型插補法與背景模型u相結合 　　　　　　　　　　　　　　　　　 以機率式潛藏語意分析為基礎之調變頻譜正規化法 * 大綱 * 實驗之語料庫 聲學模型 每個數字以一個隱藏式馬可夫模型(Hidden Markov Model, HMM)表示 每個HMM包含6個狀態，每個狀態利用20個高斯混和表示 語音特徵參數 13維梅爾倒頻譜係數(MFCC)，加上第一階與第二階差量係數 實驗設定 * Aurora2.0 語音內容 英文數字單詞：One、Two、…、Nine、Zero、Oh 訓練語料 語句數：8,400 通道效應：G.712 測試語料 測試集 語句數 加成性噪音 通道效應 A 28,028 地下鐵、人聲、汽車、展覽館 G.712 B 28,028 餐廳、街道、機場、火車 G.712 C 14,014 地下鐵、街道 MIRS 訊噪比 乾淨、-5dB、0dB、5dB、10dB、15dB、20dB NMF法與PLSA法作用於MFCC特徵之實驗結果 * 平均詞正確率(%) Clean Set A Set B Set C Avg. RR MFCC baseline 99.79 72.46 68.31 78.82 72.07 －－ NMF r=5 99.59 83.80 85.66 84.36 84.65 45.04 r=10 99.67 83.26 85.26 83.52 84.11 43.11 r=15 99.70 83.07 85.01 83.19 83.87 42.25 r=20 99.71 82.30 84.04 82.49 83.04 39.24 平均詞正確率(%) Clean Set A Set B Set C Avg. RR MFCC baseline 99.79 72.46 68.31 78.82 72.07 ─ ─ PLSA K=5 99.56 89.20 90.20 89.41 89.62 62.84 K=10 99.59 89.05 90.25 89.25 89.57 62.66 K=15 99.61 88.81 90.15 88.87 89.36 61.90 K=20 99.59 88.78 90.18 88.69 89.32 61.76 NMF法結合其他強健性特徵演算法之實驗結果 * 80.69 88.82 89.00 PLSA法結合其他強健性特徵演算法之實驗結果 * NMF法於不同特徵參數之實驗結果 * 使用不同分解法之實驗結果 * 這些技術都直接或間接地更新特徵之調變頻譜，進而強化雜訊強健性 雖然NMF法與PLSA法之辨識效能略低於TSN，但也可使總平均辨識率提升至90.60%與90.57% ，此顯示NMF法與PLSA法足以與現今有名的調變頻譜更新技術在效能上並駕齊驅 NMF法及PLSA法與其他強健技術之效能比較 * 經過各種處理方法後之MFCC c1之功率頻譜密度(PSD) PLSA法與NMF法降低調變頻譜強度失真的效能 * 大綱 * 結論 本論文以一個嶄新的觀點切入調變頻譜正規化之研究，以對調變頻譜進行分解與成分分析為目標，提出兩種變頻譜正規化法 實驗顯示NMF法與PLSA法，皆能有效減緩雜訊所引發的失真問題，並且顯著提昇系統之辨識率 兩種方法跟一些知名的特徵強健技術做結合，皆可進一步提升辨識率，代表所提之新方法與許多特徵強健技術有良好的加成性 結論與未來展望 * 未來展望 目前非負矩陣分解之基底矩陣與編碼矩陣之初始值是由隨機產生的，未來欲找尋其它給定初始值的方法 未來期望能嘗試將其他資料分解(Data Factorization)技術運用於調變頻譜的分析上，進而探討其特性與優缺點 目前提出的兩種分解與分析的方法皆是以調變頻譜為處理目標，未來欲拓展此兩項技術進行探索語音訊號其它特徵域的特性 嘗試將本論文所提出的方法，應用至不同語音辨識任務上，例如大詞彙連續語音辨識系統(LVCSR) 結論與未來展望 * * 謝謝 NMF法結合背景模型作用於MFCC特徵之實驗結果 * 平均詞正確率(%) Clean Set A Set B Set C Avg. RR MFCC baseline 99.79 72.46 68.31 78.82 72.07 －－ NMF r=5 99.58 89.14 90.