뇌 평균 정규화

누구든지 Cepstral Mean Normalization에 대해 설명 할 수 있습니까, convolution의 등가 속성이 어떻게 영향을 미칩니 까? MFCC 기반 스피커 인식에서 CMN을 수행해야합니까? MFCC에 컨볼 루션 속성이 필요한 이유는 무엇입니까?

나는이 신호 처리에 매우 익숙하다. 도와주세요

mfcc

— 문
소스

필터 뱅크를 사용하지 않고 주파수를 멜 스케일로 직접 변환하면 MFCC 프로세스에서 작동합니까?

— purple

사물을 명확하게하기 위해이 속성은 기본이 아니라 중요 합니다. 스펙트럼 계산에 DFT 대신 DCT를 사용할 때의 근본적인 차이입니다.

왜 우리는 Cepstral Mean Normalization을 하는가

스피커 인식에서 모든 채널 효과 (보컬, 오디오 경로, 룸 등의 임펄스 응답)를 제거하려고합니다. 입력 신호가 이고 채널 임펄스 응답이 제공되는 경우, 기록 된 신호는 다음 두 가지의 선형 컨벌루션입니다. $x[n]$ $h[n]$

와이 [엔] = 엑스 [엔] ⋆ h [엔]

$y[n] = x[n] \star h[n]$

푸리에 변환을 통해 다음을 얻을 수 있습니다.

와이 [에프] = 엑스 [에프] \cdot H [에프]

$Y[f] = X[f]\cdot H[f]$

FT의 컨볼 루션 곱셈 등가 특성으로 인해이 단계에서 FFT의 중요한 특성입니다 .

cepstrum 계산의 다음 단계는 스펙트럼의 로그를 취하는 것입니다.

와이 [큐] = 로그 와이 [에프] = 로그 (엑스 [에프] \cdot H [에프]) = 엑스 [큐] + H [큐]

$Y[q] = \log Y[f] = \log \left( X[f] \cdot H[f]\right) = X[q] + H[q]$

$\log(ab) = \log a +\log b$ $q$

Cepstral Mean Normalization이란 무엇입니까?

이제 우리는 cepstral domain에서 모든 convolutional distortion이 더해짐을 알 수 있습니다. 모든 음성이 고정되어 있고 (성대와 채널 응답이 변하지 않기 때문에 강력한 가정이라고 가정) 음성의 고정 부분은 무시해도 좋습니다. 우리는 모든 i 번째 프레임에 대해 다음과 같은 사실을 알 수 있습니다.

{와이}_{나는} [큐] = H [큐] + {엑스}_{나는} [큐]

$Y_i[q] = H[q] + X_i[q]$

우리가 얻는 모든 프레임의 평균을 취함으로써

\frac{1}{엔} \sum_{나는} {와이}_{나는} [큐] = H [큐] + \frac{1}{엔} \sum_{나는} {엑스}_{나는} [큐]

$\dfrac{1}{N}\sum_{i} Y_i[q] = H[q] + \dfrac{1}{N}\sum_{i} X_i[q]$

차이점 정의 :

\begin{matrix} {아르 자형}_{나는} [큐] & = {와이}_{나는} [큐] - \frac{1}{엔} \sum_{제이} {와이}_{제이} [큐] \\ = H [큐] + {엑스}_{나는} [큐] - (H [큐] + \frac{1}{엔} \sum_{제이} {엑스}_{제이} [큐]) \\ = {엑스}_{나는} [큐] - \frac{1}{엔} \sum_{제이} {엑스}_{제이} [큐] \end{matrix}

$\begin{array} &R_i[q] &= Y_i[q] - \dfrac{1}{N}\sum_{j} Y_j[q]\\ & = H[q] + X_i[q] - \left(H[q] + \dfrac{1}{N}\sum_{j} X_j[q]\right) \\ & = X_i[q] - \dfrac{1}{N}\sum_{j} X_j[q]\\ \end{array}$

채널 왜곡이 제거 된 신호로 끝납니다. 위의 모든 방정식을 간단한 영어로 작성 :

cepstrum을 계산
각 계수에서 평균을 뺍니다
선택적으로 뺄셈과 달리 Cepstral Mean Normalization을 수행하기 위해 분산으로 나눕니다.

Cepstral Mean Normalization이 필요한가요?

특히 단일 환경에서 한 명의 스피커를 인식하려고 할 때 반드시 필요한 것은 아닙니다. 실제로 추가 노이즈로 인한 오류가 발생하기 때문에 결과가 저하 될 수 있습니다.

와이 [엔] = 엑스 [엔] ⋆ h [엔] + 승 [엔]

$y[n] = x[n] \star h[n] + w[n]$

와이 [에프] = 엑스 [에프] \cdot H [에프] + 여 [에프]

$Y[f] = X[f]\cdot H[f] + W[f]$

로그 와이 [에프] = 로그 [엑스 [에프] (H [에프] + \frac{여 [에프]}{엑스 [에프]})] = 로그 엑스 [에프] + 로그 (H [에프] + \frac{여 [에프]}{엑스 [에프]})

$\log Y[f] = \log \left[X[f]\left(H[f]+\dfrac{W[f]}{X[f]} \right) \right] = \log X[f] +\log \left(H[f]+\color{red}{\dfrac{W[f]}{X[f]}} \right)$

열악한 SNR 조건에서 표시된 용어는 추정을 능가 할 수 있습니다.

CMS를 수행 할 때 일반적으로 추가 백분율을 거의 얻을 수 없습니다. 계수의 미분에서 얻은 성능 향상에 추가하면 인식률이 크게 향상됩니다. 최종 결정은 특히 음성 인식 시스템의 개선에 사용되는 다른 방법이 많이 있다는 결정에 달려 있습니다.

— jojek
소스

@mun : 도움이되어 기쁘다. 질문에 대한 답변을 수락 한 것으로 표시하여 새로운 사용자 제한을 제거 할 수없는 이유는 무엇입니까?

— jojek

@mun : 축하합니다! 이제 더 많은 링크를 게시하고 질문 및 답변 + 투표 게시물에 투표하십시오.

— jojek

고마워 @ jojek .. 나는이 모든 매우 새로운하지만 내 문제가 해결되어 기쁘게 생각합니다.

— mun December

@mun : 그럼 나는 당신이 빠른 여행을

— jojek

마지막 대답으로, "계수의 파생으로 인한 성능 향상에 추가"가 실제로 무엇을 의미하는지 알 수 없습니다. 간단한 설명을 해 줄 수 있습니까? 감사합니다

— Shuai Wang