LDA с нормализацией по источнику для устойчивого распознавания дикторов с использованием i-векторов из нескольких речевых источников

Недавнее развитие векторной модели i-vector для распознавания дикторов установило новый стандарт качества в данной области исследований. i-вектор представляет собой компактное представление речевого высказывания диктора, извлечённое из подпространства полной вариативности. Перед классификацией с использованием косинусного ядра i-векторы проецируются в пространство линейного дискриминантного анализа (LDA) для уменьшения межсеансовой вариативности и повышения различимости дикторов. Точная оценка этого пространства LDA по обучающей выборке имеет решающее значение для качества обнаружения. Однако типичная обучающая выборка не содержит для каждого диктора высказываний, полученных из всех представляющих интерес источников. Это приводит к появлению систематической вариации, связанной с речевым источником, в ковариационной матрице междикторских различий и к неполному представлению матрицы внутридикторского рассеяния, используемой в LDA. Недавно предложенный алгоритм LDA с нормализацией по источнику (SN-LDA) повышает устойчивость распознавания дикторов на основе i-векторов как в условиях рассогласованных испытаний, так и в условиях, когда доступных речевых ресурсов недостаточно для надлежащей разработки системы. При оценке на недавних испытаниях NIST по распознаванию дикторов 2008 и 2010 годов (SRE) SN-LDA обеспечил относительное снижение частоты равных ошибок (EER) до 38% и минимальной функции стоимости обнаружения (DCF) на 44% по сравнению с LDA в условиях рассогласованных испытаний и ограниченных ресурсов, а также улучшил результаты в распространённых условиях использования только телефонной речи. В развитие этих первоначальных результатов в исследовании представлен подробный анализ того, как SN-LDA преобразует пространство i-векторов для уменьшения вариации источника, а также анализ его устойчивости при различных условиях оценки и обучения LDA. Концепция нормализации по источнику дополнительно распространена на нормализацию внутриклассовой ковариации (WCCN) и обнаружение источника на основе данных.