[논문 리뷰] A New Nonlinear speaker parameterization algorithm for speaker identification

Mohamed Chétouani, Marcos Faúndez-Zanuy외 2명|arXiv (Cornell University)|2022. 04. 06.

Speech Recognition and Synthesis인용 수 6

한 줄 요약

이 논문은 비선형 예측 모델링과 하이브리드 특징 융합을 통해 기존의 LPC를 확장한 새로운 비선형 화자 매개변수화 방법인 신경 예측 코딩(NPC)을 소개한다. 선형 초기화 전략은 100%의 정확도를 기록하여 MFCC 단독 사용(97.55%)과 MFCC + NPC 융합(98.78%)을 크게 앞서며, 비선형 모델링과 특징 융합을 통해 화자 식별 정확도의 중대한 향상을 입증한다.

ABSTRACT

In this paper we propose a new parameterization algorithm based on nonlinear prediction, which is an extension of the classical LPC parameters. The parameters performances are estimated by two different methods: the Arithmetic-Harmonic Sphericity (AHS) and the Auto-Regressive Vector Model (ARVM). Two different methods are proposed for the parameterization based on the Neural Predictive Coding (NPC): classical neural networks initialization and linear initialization. We applied these two parameters to speaker identification. The fist parameters obtained smaller rates. We show for the first parameters how they can be combined with the classical parameters (LPCC, MFCC, etc.) in order to improve the results of only one classical parameterization (MFCC provides 97.55% and MFCC+NPC 98.78%). For the linear initialization, we obtain 100% which is great improvement. This study opens a new way towards different parameterization schemes that offer better accuracy on speaker recognition tasks.

연구 동기 및 목표

• 화자 식별을 위한 기존 선형 예측 코딩(LPC)보다 향상된 비선형 화자 매개변수화 방법을 개발하는 것.
• 신경 예측 코딩(NPC)의 다양한 초기화 전략이 화자 식별 성능 향상에 미치는 영향을 탐색하는 것.
• NPC의 비선형 매개변수를 기존 특징(예: MFCC, LPCC)과 융합하여 식별 정확도를 향상시키는 방법을 조사하는 것.
• 매개변수 추정에 사용된 두 가지 방법(Arithmetic-Harmonic Sphericity, AHS 및 Auto-Regressive Vector Model, ARVM)의 성능를 평가하는 것.
• 화자 식별 과제에서 강건성과 정확도를 향상시키는 새로운 비선형 매개변수화 프레임워크를 수립하는 것.

제안 방법

• 제안된 방법은 신경 예측 코딩(NPC)을 활용해 비선형 예측을 통해 화자 특성을 모델링함으로써 기존의 LPC를 확장한다.
• 수렴성과 성능 향상을 위해 두 가지 초기화 방법을 적용한다: 고전적인 신경망 초기화와 선형 초기화.
• 매개변수 추정은 두 가지 기법을 사용한다: 산술-조화 평균 구형도(AHS)와 자동회귀 벡터 모델(ARVM).
• NPC 기반 매개변수를 표준 특징(MFCC, LPCC 등)과 융합하여 성능 향상을 위한 하이브리드 특징 세트를 구성한다.
• NPC 기반 매개변수를 Speaker Odyssey 워크숍의 기준 데이터셋을 사용해 화자 식별 과제에서 학습하고 평가한다.
• 분류 정확도를 통해 성능을 평가하며, 독립형 및 융합된 특징 설정 간의 비교에 중점을 둔다.

실험 결과

연구 질문

• RQ1 신경 예측 코딩(NPC) 기반의 비선형 매개변수화 방법이 기존의 선형 방법(LPC)보다 화자 식별에서 뛰어난 성능을 내는가?
• RQ2 NPC에서 사용된 다양한 초기화 전략(고전적 vs. 선형)이 화자 식별 정확도에 어떤 영향을 미치는가?
• RQ3 MFCC와 같은 표준 특징과 NPC 매개변수를 융합했을 때 전체 식별 성능에 어떤 영향을 미치는가?
• RQ4 AHS와 ARVM 추정 방법은 매개변수 품질과 식별 정확도 측면에서 어떻게 비교되는가?
• RQ5 비선형 모델링을 통해 MFCC 단독 사용의 최신 기술 수준을 뛰어넘는 화자 식별 성능 향상이 실제로 가능할 수 있는가?

주요 결과

• 선형 초기화를 사용한 NPC 매개변수화는 화자 식별 정확도 100%를 달성하여 MFCC 단독 사용(97.55%)보다 뚜렷한 향상을 보였다.
• MFCC와 NPC 매개변수의 융합은 98.78%의 정확도를 기록하여 비선형 특징이 기존 방법의 성능을 향상시킬 수 있음을 입증했다.
• 고전적 초기화를 사용한 첫 번째 NPC 매개변수 세트 역시 MFCC 단독 사용보다 성능 향상을 보였지만, 선형 초기화 버전만큼은 효과적이지 않았다.
• AHS와 ARVM 추정 방법의 사용은 효과적인 매개변수 추정을 가능하게 하여 비선형 프레임워크의 타당성을 뒷받침했다.
• 이 연구는 NPC를 통한 비선형 모델링이 특히 전통적 특징과 융합될 경우 식별 정확도를 크게 향상시킬 수 있음을 확인했다.
• 결과적으로 이 연구는 화자 식별 분야에서 비선형 매개변수화의 새로운 기준을 설정하였으며, NPC 기반 특징의 잠재력을 부각시켰다.