Кластеризация авторегрессионных моделей речевых сигналов по критерию минимума информационного рассогласования Кульбака – Лейблера

Информационно-управляющие системы. 2013. № 5(66). С. 34–42.

Губочкин И. В., Карпов Н. В.

Решается задача кластеризации множества авторегрессионных моделей речевых сигналов в рамках теоретико-информационного подхода. Для этого был разработан алгоритм нахождения оптимальных параметров авторегрессионной модели в смысле минимума информационного рассогласования Кульбака – Лейблера. На его основе проведена модификации известного алгоритма кластеризации k-средних. Экспериментально исследована эффективность применения разработанных алгоритмов при дикторонезависимом распознавании изолированных слов с использованием аппарата скрытых марковских моделей с дискретным распределением вероятностей наблюдений. Установлено, что наилучшие результаты по точности распознавания достигаются при использовании коэффициентов линейного предсказания с неравномерным частотным разрешением в качестве вектора признаков и размере кодовой книги векторного квантователя, равном 256.

Ключевые слова: кластер, информационное рассогласование Кульбака-Лейблера, автоматическое распознавание речи, авторегрессионная модель, центроид