HMMを用いた未知、複数信号クラスタリング問題の検討

村上仁一 杉山雅英 渡辺秀行

ATR自動翻訳電話研究所

〒619-02 京都府相楽郡精華町光台2-2

あらまし

入力された信号系列を複数個の信号源に分解する問題、いわゆる $N$信号分解問題は、音声情報処理のみならず言語処理などの分野 にも応用が予想され極めて範囲が広い問題と言える。本稿では、ま ず、この問題に対してergodic HMMをもちいた方法を提案する。 ergodic HMMでは、状態が信号源に対応し、状態から出力されるシ ンボル系列が信号系列に相当するため、入力された信号系列を、複 数の信号源に分解するsegmentationの位置、および分解された segmentationがどの信号源に属しているかを判断する、カテゴリ識 別を同時に推定することができる。次に、実験により$N$信号源分 解問題の応用として、複数話者発話の識別問題を調べた。この結果、 erogodic-HMMを用いた方法では、学習アルゴリズムにおける初期パ ラメータの値が重要であること、および話者性を有する特徴ベクト ルとして長時間のLPCケプストラムが有効であることが示された。

キーワード $\bullet$隠れマルコフモデル $\bullet$複数信号源クラスタリング $\bullet$話者クラスタリング $\bullet$全遷移型隠れマルコフモデル

Study of Unknown-Multiple Signal Source Clustering Problem using ergodic HMM

Jin'ichi Murakami Masahide Sugiyama Hideyuki Watanabe

ATR Interpreting Telephony Research Laboratories

2-2 Hikaridai, Seika-cho, Soraku-gun, Kyoto 619-02

Abstract

In this paper, we consider signals that have originated from a sequence of sources. The problem of segmenting the signal and identifying segments to their sources is addressed. This problem has wide applications in many fields. This report describes a resolution method using ergodic Hidden Markov Models (HMM). In this model, each HMM state corresponds to a signal source. The signal source sequence can therefore be determined by using Viterbi decoding over the observation sequence. Baum-Welch training can be used to estimate the HMM parameters from training material. As an application of the multiple signal source indentification problem, an experiment was performed on unknown speaker identification. As a result, a recognition rate of 78% for 4 male speakers was obtained. The results further indicated that the model is sensitive to the initial values of the ergodic HMM and that the long distance LPC cepstrum is an effective way of preprocessing the signal.

key words $\bullet$Hidden Markov Model $\bullet$Multiple Signal Source $\bullet$Speaker Clustering $\bullet$ergodic HMM

論文をps形式でダウンロードする (約1Mbyte)