摘  要： 主要研究了基于流形學(xué)習(xí)ISOP算法的語音特征提取。將流形學(xué)習(xí)ISOP算法應(yīng)用到語音識別特征提取模塊中,。仿真實驗結(jié)果表明,，該算法與傳統(tǒng)的特征提取算法MFCC、LPCC等相比,，可以取得較高的識別率,。
關(guān)鍵詞： ISOP算法；語音識別,；流形學(xué)習(xí),；特征提取

　通過語音傳遞信息是人類最重要、最有效,、最常用且最方便的交換信息的形式,。而信息時代的到來，使得如何使計算機(jī)智能化地與人類進(jìn)行通信,，成為現(xiàn)代計算機(jī)科學(xué)的重要研究課題之一,。同時，現(xiàn)實世界中的數(shù)據(jù)往往是高維的,，難以被理解,、表示和處理，因此對語音信號中的數(shù)據(jù)進(jìn)行降維,，找到一組穩(wěn)定的,、能表征其本質(zhì)特性的特征參數(shù)是其的一個重要步驟。
　流行學(xué)習(xí)[1-2]（Manifold Learning）方法是近十年才發(fā)展起來的一種非線性降維方法,。流形是拓?fù)鋵W(xué)中的概念,，其表示一個局部處為歐幾里得的拓?fù)淇臻g。局部歐幾里得特性意味著對于空間上的任意點都有一個鄰域,，在這個鄰域中的拓?fù)渑cRm空間中的開放單位圓相同（Rm表示m維歐式空間）,。也就是說，流形是一個局部可坐標(biāo)化的拓?fù)淇臻g,?；诹餍蔚亩x，可以得到流形學(xué)習(xí)的本質(zhì)是,，當(dāng)數(shù)據(jù)均勻采樣于一個高維歐式空間中的低維流形時,，要從高維采樣數(shù)據(jù)中恢復(fù)低維流形的內(nèi)在幾何結(jié)構(gòu)或者內(nèi)在規(guī)律，并求出相應(yīng)的嵌入映射,，以實現(xiàn)維數(shù)約減或者數(shù)據(jù)可視化,。這就意味著流形學(xué)習(xí)比傳統(tǒng)的維數(shù)約減方法更能體現(xiàn)事物的本質(zhì),。20世紀(jì)80年代末，在PAMI上就已經(jīng)有流形模式識別的說法,。2000年《Science》雜志上發(fā)表的3篇論文從認(rèn)知上討論了流形學(xué)習(xí),，并使用了Manifold Learning術(shù)語，強(qiáng)調(diào)認(rèn)知過程的整體性,。幾年來,，流形學(xué)習(xí)領(lǐng)域產(chǎn)生了大量的研究成果。LLE和ISOMAP[2]是兩種有代表性的非線性降維方法,。LLE算法認(rèn)為,，在局部意義下數(shù)據(jù)結(jié)構(gòu)為線性，即點在一個超平面上,。任取一點,，可以用它的鄰近點的線性組合來表示。其主要思想是在樣本點和它的鄰域點之間構(gòu)造一個重構(gòu)權(quán)向量,，并在低維空間中保持每個鄰域中的權(quán)值不變,，在嵌入映射是局部線性的條件下，最小化重構(gòu)誤差,。ISOMAP建立在多維尺度變換（MDS）的基礎(chǔ)上,，力求保持?jǐn)?shù)據(jù)點的內(nèi)在幾何性質(zhì)，即保持兩點間的測地距離,。它用流形上的兩點間的測地距離來取代經(jīng)典MDS方法中的歐氏距離,，能夠準(zhǔn)確地發(fā)現(xiàn)數(shù)據(jù)流形潛在的參數(shù)空間,，是一種全局優(yōu)化算法,。
本文將流形學(xué)習(xí)的降維方式引入語音識別的特征提取模塊，提出一種新的基于流形學(xué)習(xí)ISOP算法的語音信號特征提取方式,。在仿真實驗室中,，針對0~9的特定人的語音信號進(jìn)行流形學(xué)習(xí)的特征提取并進(jìn)行識別，得到了不錯的識別率,。
1 流形學(xué)習(xí)ISOP算法
　判別等度規(guī)映射（Isometric Projection）[3]是對ISOMAP算法的線性推廣,，其目的是尋求一個投影矩陣A，將高維數(shù)據(jù)樣本映射到低維特征空間中,，且在此映射過程中保持樣本數(shù)據(jù)點間的局部結(jié)構(gòu)關(guān)系,，由此解決了ISOMAP算法在面對新樣本的加入無能為力的窘境。
　

　流形算法ISOMAP[9]作為一種非線性的全局優(yōu)化學(xué)習(xí)方法,，在構(gòu)建測地線距離時有兩個問題：（1）對樣本點的噪聲比較敏感,，且不能處理存在多個聚類的數(shù)據(jù)集；（2）測地線距離矩陣的計算復(fù)雜度大,，且距離矩陣為稠密矩陣,，本征分解需要的計算復(fù)雜度也比較高,，因此在大容量的語音識別中，并不能取得很好的識別率,。LTSA[10]算法雖然能很好地探測出低維流形的空間結(jié)構(gòu),，并且不要求原始數(shù)據(jù)是凸分布的，但是該算法所反映的局部結(jié)構(gòu)是它的局部d維坐標(biāo)系統(tǒng),，由于噪音等因素的影響,，數(shù)據(jù)集的局部低維特征不明顯時，它的局部鄰域到局部切空間的投影距離往往并不小,，由此構(gòu)造的重建誤差也不會小,，這樣的情況下，LTSA就無法得到理想的嵌入結(jié)果,。此外,，LTSA算法對樣本點的密度和曲率變化比較敏感，樣本點的密度及曲率[11]的變化會使得樣本點到流形局部切空間的投影產(chǎn)生偏差,。當(dāng)樣本量較大時,，算法會失效，并且LTSA算法對新樣本無法進(jìn)行有效處理,。
　表2是在相同的訓(xùn)練樣本量的背景下,，不同的鄰近值對ISOP算法的識別率的影響，從數(shù)據(jù)分析得出,，不同的k對識別率有一定影響,，但并沒有使識別率產(chǎn)生大的偏差。

　綜合以上分析,，在實驗室條件下,，本文提出的基于流形學(xué)習(xí)ISOP[12]算法在語音識別的特征提取模塊得到了應(yīng)用，并取得了一定成果,。
　本文提出了一種基于流形學(xué)習(xí)的語音特征提取方法,，實驗結(jié)果表明，在數(shù)字0～9的識別中,，與傳統(tǒng)的特征提取算法相比,，該方法取得了較高的識別效果。由于Isometric Projection是直接在原始數(shù)據(jù)中進(jìn)行構(gòu)圖和多維尺度分析,，因此牽涉大量高位矩陣運(yùn)算而耗費了較多的時間和資源,，為進(jìn)一步提高性能，下一步將考慮引入主成分分析,，對該算法進(jìn)行改進(jìn),。
　流形學(xué)習(xí)[13-14]作為一種新的機(jī)器學(xué)習(xí)，尤其在人臉識別中已取得一定成就的背景下,，在語音識別領(lǐng)域中必將成為一個重要的發(fā)展方向,。
參考文獻(xiàn)
[1] 魯春元.流形學(xué)習(xí)的統(tǒng)一框架及其在模式識別中的應(yīng)用[D].廣州：中山大學(xué),，2009.
[2] 李春光.流形學(xué)習(xí)及其在模式識別中的應(yīng)用[D].北京：北京郵電大學(xué)，2007.
[3] 邵艷玲,，葛玻,，宋書中.基于判別等度規(guī)映射的人臉識別[D].洛陽：河南科技大學(xué)，2012.
[4] 王澤杰.兩類非線性降維流形學(xué)習(xí)算法的比較分析[D].上海：上海工程技術(shù)大學(xué),，2008.
[5] 曾憲華,，羅四維.全局保持的流形學(xué)習(xí)算法對比研究[D].重慶：重慶郵電大學(xué)，北京：北京交通大學(xué),，2010.
[6] 車士偉,，吾守爾·斯拉木.淺談連續(xù)語音識別中的關(guān)鍵技術(shù)[D].烏魯木齊：新疆大學(xué)，2010.
[7] 蔡蓮紅,，黃德智,，蔡銳.現(xiàn)代語音技術(shù)基礎(chǔ)與應(yīng)用[M].北京：清華大學(xué)出版社，2003.
[8] 譚璐.高維數(shù)據(jù)的降維理論及應(yīng)用[D].長沙：國防科學(xué)技術(shù)大學(xué),，2005.
[9] He Xiaofe,， Yan Shuncheng， Hu Yuxia,， et al. Face recognition using Laplacianfaces[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence,， 2005，27（3）：328-340.
[10] BREGLER C,， OMOHUNDRO S M. Nonlinear manifold learning for visual speech recognition[C]. International Conference of Computer Vision,， 1995：20-23.
[11] SEUNG H S， LEE D D. The manifold ways of perception[J]. Science,， 2000,， 290（5500）： 2268-2269.
[12] AGRAFIOTIS D K， XU H. A self-recognizing principle for learning nonlinear manifolds[C]. Proceedings of Natl. Acad. Sci.,， 1999：15869-15872.
[13] TENENBAUM J B,， SILVA V,， LANGFORD J C. A global geometric framework for nonlinear imensionality reductiaon[J]. Science,，2000，290（5500）：2319-2323.
[14] He Xiaofe,， NIYOGI P. Locality Preserving Projections[C]. Proceedings of 16th Conference on Neural Information Processing Systems,，2003.