基於稀疏表示之語者識別

Sparse Representation Based Speaker Identification

稀疏表示分類器（Sparse Representation Classifier, SRC）是一種基於影像稀疏表示（Sparse Representation）的機器學習方法。在影像以及人臉辨識上的研究上，稀疏表示分類器具有非常好的辨識效果以及強健性。有鑑於SRC在影像辨識上的高鑑別能力，近幾年已有許多基於稀疏表示的語者識別（Speaker Identification）方法相繼被提出。本論文提出一套基於稀疏表示的辨識系統，我們提出以機率型主成份分析（Probabilistic Principle Component Analysis, PPCA）建構超級向量（Supervector），並加入檢定的方式調整特徵值選取，使語者高斯混合模型（Gaussian Mixture Model, GMM）中每個高斯的維度可以針對資料的不同作調整。接著，我們在稀疏字典上加強，透過低秩矩陣還原（Low-Rank Matrix Recovery）以及核化降維（Kernel Dimension Reduction）對說話內容（Session）以及通道（Channel）變異補償，使字典增加鑑別性。最後利用稀疏表示分類器進行分類。根據實驗結果顯示，不論是參數的改進、字典的處理，對辨識率都有一定程度的提升。此外，與傳統的i-vector語者識別系統相比，提出的系統則具有更佳的辨識率表現。