面向关键词 spotting 的滤波器组学习探索
音频与语音处理
2020-06-02 v1 机器学习
声音
摘要
尽管多年来手工设计的语音特征表现优异，但其未必对任何特定语音应用都是最优的。因此，针对不同的语音处理任务，最优滤波器组学习已被以不同程度的研究。本文填补了一项空白，探索了用于关键词 spotting（KWS）的滤波器组学习。考察了两种方法：功率谱域中的滤波器组矩阵学习，以及心理声学驱动的 gammachirp 滤波器组的参数学习。滤波器组参数与现代基于深度残差神经网络的关键词 spotting 后端联合优化。我们的实验结果表明，就 KWS 准确率而言，使用学习到的滤波器组与手工设计的语音特征之间总体上无统计显著差异。因此，尽管我们得出结论，在使用现代 KWS 后端时后者仍是明智之选，我们也假设这或许是信息冗余的一种表征，从而为小 footprint KWS 领域开辟了新的研究可能。
引用
@article{arxiv.2006.00217,
title = {Exploring Filterbank Learning for Keyword Spotting},
author = {Iván López-Espejo and Zheng-Hua Tan and Jesper Jensen},
journal= {arXiv preprint arXiv:2006.00217},
year = {2020}
}