Метод извлечения разреженных и энергоэффективных признаков на основе Delta-Gated Spike Encoding (DGSE)

Аннотация

В данной статье предлагается новый метод извлечения признаков для задачи распознавания личности по голосу – Delta-Gated Spike Encoding (DGSE). Предложенный подход объединяет логарифмические Mel-спектрограммы, временные дельта-признаки, адаптивный порог, энергетический шлюз и этапы кодирования положительных/отрицательных спайков. Цель метода заключается в извлечении информативных временно-частотных изменений в акустическом сигнале и формировании разреженного представления, удобного для последующих спайковых или энергоэффективных моделей. Эксперименты были проведены на наборе данных VoxCeleb1 с использованием трехэтапного параметрического поиска. Были сопоставлены результаты первоначального грубого поиска, последующего расширенного поиска и финального точного поиска. Наилучший результат был получен при параметрах alpha = 1.0, beta = 0.05, energy_thr = -5.25. В этом случае были достигнуты следующие значения: total spike rate = 0.079585, sparsity = 0.920415, gate open rate = 0.718533. Полученные результаты показывают, что метод DGSE сохраняет информативные части сигнала при обеспечении высокой разреженности. Это делает его перспективным решением для устройств с ограниченными ресурсами, а также для гибридных систем распознавания говорящего на основе CNN-SNN.