基于NMF后验特征优化的语音查询样例检测

• 作者: 张连海 曹建凯 李勃昊
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 无监督 查询样例检测 后验特征 非负矩阵分解优化 修正分段动态时间规整
• 年，卷（期）: 2017,（6）
• 页码范围: 1198-1207
• 页数: 10页
• 分类号: TP391
• 字数: 7173字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2017.06.015

摘要

提出一种基于非负矩阵分解(Nonnegative matrix factorization,NMF)后验特征优化和修正分段动态时间规整(Segmental dynamic time warping,SDTW)检索的无监督语音查询样例检测方法.该方法首先应用频域线性预测(Frequency domain linear prediction,FDLP)声学特征参数代替梅尔频率倒谱系数(Mel-frequency cepstral coefficients,MFCCs)训练高斯混合模型(Gaussian mixture model,GM M)模型,然后使用NM F算法对高斯后验特征矩阵进行分解,将得到的基矩阵作为子空间变换矩阵对原始后验特征投影,投影可以突出特征中主要分量,平滑距离矩阵.在检索阶段,使用多相邻输出得分对最佳匹配得分进行修正,用于代替标准SDTW算法的1-best输出得分.实验结果表明,在不增加检索时间的情况下,该方法相比应用MFCCs和FDLP特征的基线系统性能提升明显,检索精度分别相对提升了18.6%和18.1%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张连海	信息工程大学信息系统工程学院	35	152	7.0	11.0
2	李勃昊	信息工程大学信息系统工程学院	3	10	1.0	3.0
3	曹建凯	信息工程大学信息系统工程学院	1	0	0.0	0.0