基于群稀疏约束的语音识别特征混合判别分析

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。
Abstract: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.