[논문 리뷰] Performance Evaluation of Statistical Approaches for Text Independent Speaker Recognition Using Source Feature

R. Rajeswara Rao, V. Kamakshi Prasad외 1명|arXiv (Cornell University)|2011. 04. 25.

Speech Recognition and Synthesis참고 문헌 14인용 수 5

한 줄 요약

이 논문은 선형 예측(LP) 잔차를 소스 특징으로 사용하여 텍스트 독립적 화자 인식을 위한 통계적 접근법—가우시안 믹스처 모델(GMMs)과 은닉 마르코프 모델(HMMs)—을 평가한다. 결과적으로 연속형 비에르고딕(HMMs)이 GMMs를 능가하여 TIMIT 데이터베이스에서 화자 인식 정확도가 거의 100%에 이를 정도로 성능이 뛰어나며, 이는 HMMs가 화자 식별을 위한 흥분 성분을 모델링하는 데 효과적임을 보여준다.

ABSTRACT

This paper introduces the performance evaluation of statistical approaches for TextIndependent speaker recognition system using source feature. Linear prediction LP residual is used as a representation of excitation information in speech. The speaker-specific information in the excitation of voiced speech is captured using statistical approaches such as Gaussian Mixture Models GMMs and Hidden Markov Models HMMs. The decrease in the error during training and recognizing speakers during testing phase close to 100 percent accuracy demonstrates that the excitation component of speech contains speaker-specific information and is indeed being effectively captured by continuous Ergodic HMM than GMM. The performance of the speaker recognition system is evaluated on GMM and 2 state ergodic HMM with different mixture components and test speech duration. We demonstrate the speaker recognition studies on TIMIT database for both GMM and Ergodic HMM.

연구 동기 및 목표

• 텍스트 독립적 화자 인식에서 소스 특징, 특히 LP 잔차가 화자 특이 정보를 얼마나 효과적으로 포착하는지 조사하기 위해.
• GMMs와 HMMs가 화자 식별을 위한 음성의 흥분 성분을 모델링할 때 성능을 비교하기 위해.
• 혼합 성분 수와 테스트 음성 지속 시간의 변화가 인식 정확도에 미치는 영향을 평가하기 위해.
• 연속형 비에르고딕 HMMs가 GMMs보다 화자 특이 흥분 패턴을 포착하는 데 뛰어나다는 것을 입증하기 위해.

제안 방법

• 음성의 흥분 성분은 선형 예측(LP) 잔차를 사용하여 모델링되며, 이는 소스 관련 정보를 포착한다.
• LP 잔차에서 화자 특이 특징을 추출하여 음성 신호의 소스 흥분을 표현한다.
• 가우시안 믹스처 모델(GMMs)은 LP 잔차 특징에 대해 훈련되어 화자 분포를 모델링한다.
• 이중 상태의 연속형 비에르고딕 HMM은 흥분 신호의 시간 동적 특성을 모델링하여 스펙트럼적 및 시간적 화자 특징을 모두 포착한다.
• 두 모델의 성능은 혼합 성분 수와 테스트 지속 시간을 변화시켜 TIMIT 데이터베이스에서 평가된다.
• 인식 정확도는 각 화자에 대한 모델 템플릿과 비교하여 테스트 발화의 가능도 점수를 측정함으로써 측정된다.

실험 결과

연구 질문

• RQ1 선형 예측 잔차는 텍스트 독립적 화자 인식에서 화자 특이 흥분 정보를 효과적으로 표현할 수 있는가?
• RQ2 GMMs와 HMMs는 화자 인식을 위한 흥분 성분을 모델링할 때 어떻게 비교되는가?
• RQ3 혼합 성분 수와 테스트 발화 지속 시간의 변화가 인식 정확도에 어떤 영향을 미치는가?
• RQ4 연속형 비에르고딕 HMM은 GMM보다 흥분 신호에서 화자 특이 특징을 더 효과적으로 포착하는가?

주요 결과

• 연속형 비에르고딕 HMM은 거의 100%의 인식 정확도를 기록하여 화자 인식 과제에서 GMM을 크게 능가하였다.
• LP 잔차에서 유도된 흥분 성분은 화자 특이 정보를 다량 포함하고 있으며, 이는 통계적 모델에 의해 효과적으로 포착된다.
• HMM 기반 시스템은 GMMs보다 뛰어난 성능을 보였으며, 특히 흥분 신호의 시간 동적 특성을 모델링할 때 두각을 나타냈다.
• 더 긴 테스트 발화 지속 시간일수록 인식 정확도가 향상되어, 신뢰할 수 있는 화자 모델링을 위해 충분한 음성 지속 시간이 중요함을 시사한다.
• 다양한 혼합 성분 설정에서 HMM의 성능 향상은 일관되었으며, 이는 HMM 접근법의 강건성을 강조한다.
• 결과는 소스 특징이 적절한 통계적 프레임워크와 함께 모델링될 경우, 텍스트 독립적 화자 인식에 매우 효과적임을 확인한다.