基于群稀疏约束的语音识别特征混合判别分析

Group LassoBasedMixtureDiscriminantAnalysisMethodforSpeechRecognitionFeature

作者：陈斌(解放军信息工程大学信息系统工程学院)；陈琦(解放军信息工程大学信息系统工程学院)；张连海(解放军信息工程大学信息系统工程学院)；屈丹(解放军信息工程大学信息系统工程学院)；李弼程(解放军信息工程大学信息系统工程学院)

Author：ChenBin(Inst.ofInfo.SystemEng.,PLAInfo.Eng.Univ.)；ChenQi(Inst.ofInfo.SystemEng.,PLAInfo.Eng.Univ.)；ZhangLianhai(Inst.ofInfo.SystemEng.,PLAInfo.Eng.Univ.)；QuDan(Inst.ofInfo.SystemEng.,PLAInfo.Eng.Univ.)；LiBiCheng(Inst.ofInfo.SystemEng.,PLAInfo.Eng.Univ.)

收稿日期：2014-10-30 年卷（期）页码：2015,47(5):139-145

期刊名称：工程科学与技术

Journal Name：Advanced Engineering Sciences

关键字：混合判别分析；群稀疏；特征变换；语音识别

Key words：mixturediscriminantanalysis;group-Lasso;featuretransformation;speechrecognition

基金项目：国家自然科学基金资助项目（61175017;61403415）

中文摘要

为了克服因数据不足而造成较难提取稳定的长时特征的问题，提出一种基于群稀疏约束的混合判别分析方法。该方法首先采用高斯混合模型描述数据的分布，在此基础上利用2次变分的形式进行群稀疏的表示，得到基于群稀疏约束的混合判别分析目标函数。接着，通过定义模糊响应矩阵（blurredresponsematrix），有效地结合最优化得分方法求解判别分析变换矩阵。最后，拼接相邻帧梅尔滤波器组输出组成超矢量，采用变换矩阵进行变换降维，提取时频特征。实验结果表明，提出的方法能够得到稀疏的变换矩阵，相比于PLDA(penalizedLDA)和SLDA（sparseLDA）判别分析方法，识别准确率分别提高了0.71%和1.53%，且在数据不足的条件下，该方法能获得更高的识别性能。

英文摘要

Inordertoextractthestablelong-termfeatureswhenthedataisinsufficient,agroup-Lassobasedmixturediscriminantanalysismethodwas proposed.Firstly,theGaussianmixturemodelwas used todescribethedistributionofdata,andtheobjectivefunctionofgroup-Lassobasedmixturediscriminantanalysiswasgotbasedonthequadraticvariationalformofthegroup-Lasso.Subsequently,throughdefiningtheblurredresponsematrix,theproblemofsolvingthediscriminantanalysistransformmatrixwasfiguredoutbyeffectivelycombinedwiththeoptimalscoringmethod.Finally,thesuper-vectorwasobtainedbyconjoinedtheadjacentframesMelfilterbankoutput,andthetime-frequencyfeaturewasextractedafterthedimensionalityofsuper-vectorreducedusingthetransformmatrix.Theexperimentalresultsshowedthat thismethodcanobtainsparsetransformationmatrix.ComparedtothePLDAandSLDAdiscriminantanalysismethod,therecognitionaccuracyrateisincreasedby0.71%and1.53%respectively,andwhenlackofdata,thismethodcanachievehigherrecognitionperformance.

【关闭】

论文摘要

基于群稀疏约束的语音识别特征混合判别分析

Group LassoBasedMixtureDiscriminantAnalysisMethodforSpeechRecognitionFeature