[論文レビュー] HMM Speaker Identification Using Linear and Non-linear Merging Techniques

Unathi Mahola, Fulufhelo V. Nelwamondo+1 more|arXiv (Cornell University)|May 11, 2007

Speech and Audio Processing参考文献 12被引用数 6

ひとこと要約

本稿では、周波数帯域を独立して処理し、線形または非線形手法を用いて結果を統合することで、騒音環境下でも頑健性を高める、サブバンドベースのHMM話者識別システムを提案する。線形統合を用いたHMMを用いた手法は、広帯域システムと比較してライブテスト精度で9.78%の向上を達成し、実環境条件下での顕著な性能向上を示した。

ABSTRACT

Speaker identification is a powerful, non-invasive and in-expensive biometric technique. The recognition accuracy, however, deteriorates when noise levels affect a specific band of frequency. In this paper, we present a sub-band based speaker identification that intends to improve the live testing performance. Each frequency sub-band is processed and classified independently. We also compare the linear and non-linear merging techniques for the sub-bands recognizer. Support vector machines and Gaussian Mixture models are the non-linear merging techniques that are investigated. Results showed that the sub-band based method used with linear merging techniques enormously improved the performance of the speaker identification over the performance of wide-band recognizers when tested live. A live testing improvement of 9.78% was achieved

研究の動機と目的

• 劣化した音声状態、特に騒音環境下での話者識別性能を向上させること。
• 特定の周波数帯域に影響を受けるノイズが認識精度を低下させることを解消すること。
• 話者認識の頑健性を向上させるために、サブバンド処理の有効性を調査すること。
• 線形および非線形統合手法（特にSVMおよびGMM）を用いたサブバンド分類結果の統合方法を比較すること。
• 制御された環境ではなく、実環境（ライブ）テスト条件下でのシステムの性能を評価すること。

提案手法

• 音声信号を複数の周波数サブバンドに分割し、個々のスペクトル成分を分離して処理する。
• 各サブバンドは、話者モデリングおよび分類に隠れマルコフモデル（HMM）を用いて独立して処理される。
• 各サブバンドからの分類スコアは、線形統合（単純な合計）または非線形統合手法（SVMおよびGMM）を用いて統合される。
• 線形統合はサブバンドスコアを合計することで行われるのに対し、非線形統合はSVMおよびGMMを用いてサブバンド間の結合意思決定空間をモデル化する。
• 最終的な話者決定は、統合手法による融合スコアに基づいてなされる。
• 実環境での性能を評価するために、ライブテスト条件下で手法が評価される。

実験結果

リサーチクエスチョン

• RQ1 広帯域システムと比較して、サブバンド処理は騒音環境下での話者識別精度を向上させるか？
• RQ2 線形および非線形統合手法は、サブバンド話者認識において性能面でどのように比較されるか？
• RQ3 SVMおよびGMMを用いた非線形統合は、ライブテスト環境下で線形統合を上回る性能を示すか？
• RQ4 サブバンド処理は、特定の周波数帯域に影響を受けるノイズの悪影響をどの程度軽減できるか？
• RQ5 線形統合を用いたサブバンド処理を適用した場合、ライブテスト精度にどの程度の向上が見られるか？

主な発見

• 線形統合を用いたサブバンドベースの手法は、広帯域HMMシステムと比較して、ライブテスト性能を顕著に向上させた。
• 線形統合を用いたサブバンド処理を適用した場合、ライブテストで認識精度が9.78%向上した。
• 性能向上は、特に従来の広帯域システムが劣化を示すような騒音環境下で顕著に現れた。
• 非線形統合手法（SVMおよびGMM）は調査されたが、本研究では線形統合を上回る性能を示さなかった。
• 結果から、サブバンド処理は特定の周波数領域におけるノイズの影響を分離・軽減することで、頑健性を向上させることを確認した。
• 本研究は、実環境での導入において、線形統合が非常に効果的かつ効率的であることを示した。