在這一節中，我們將無線通道中的錯誤改為群集錯誤，再利用前述 的錯誤補償方式對位元串流做補償。在上一節中，我們發現基於音 框的消去法並沒有為辨識效能帶來幫助，因此在這一節中，我們只 使用兩種外插法來進行錯誤補償。下表５．４列出的是實驗結果：
第一欄列出的是各個不同的群集程度；第二欄列出的是使用的錯誤 補償類型，“無”代表受到群集錯誤影響但未做錯誤補償，“外插 法（音）”代表做基於音框的外插法補償，“外插法（子）”代表 做基於子特徵向量的外插法補償；第三、四、五欄列出在高斯混合 數＝２、４、８時的音節辨識正確率；第六欄則是列出備註。表中 的第一、二列也列出基礎實驗和只經向量量化但沒有群集錯誤影響 的實驗結果以供比較。我們先將下表的實驗結果製圖，如下圖５
．１３所示。
群集程度
圖５．１３（Ａ） 位元錯誤率＝１０－２時，高斯混合數＝２，發生群集錯誤 時對位元串流做錯誤補償所得到的音節辨識正確率。
圖５．１３（Ｂ） 位元錯誤率＝１０－２時，高斯混合數＝４，發生群集錯誤 時對位元串流做錯誤補償所得到的音節辨識正確率。
圖５．１３（Ｃ） 位元錯誤率＝１０－２時，高斯混合數＝８，發生群集錯誤 時對位元串流做錯誤補償所得到的音節辨識正確率。
圖５．１３（Ｄ） 位元錯誤率＝１０－3時，高斯混合數＝２，發生群集錯誤 時對位元串流做錯誤補償所得到的音節辨識正確率。
圖５．１３（Ｅ） 位元錯誤率＝１０－3時，高斯混合數＝4，發生群集錯誤 時對位元串流做錯誤補償所得到的音節辨識正確率。
圖５．１３（Ｆ） 位元錯誤率＝１０－３時，高斯混合數＝８，發生群集錯誤 時對位元串流做錯誤補償所得到的音節辨識正確率。
在以上六張圖中總共列出五條折線：第一條是發生群集錯誤但是沒 有做錯誤補償；第二條是對發生群集錯誤的位元串流做基於音框的 外插法補償；第三條是對發生群集錯誤的位元串流做基於子特徵向 量的外插法補償；第四條是基礎實驗的結果；第五條是經過向量量 化但沒有群集錯誤時的實驗結果。同樣的，第五條折線被我們視為 錯誤補償後辨識正確率可以上升的最高極限。以下是我們對實驗結 果的討論。
●發生群集錯誤時，利用兩種外插法做錯誤補償仍有產生效果
在前一節中有提到：錯誤補償的機制若發生效果，所得到的辨識正 確率折線將落在發生群集錯誤、但不做錯誤補償所得的折線以上。
觀察圖５．１３六張圖中，除了在圖５．１３（Ｃ）中群集程度＝
０％時使用基於音框的外插法所得的折線落在未做錯誤補償所得的 折線以下，其餘的地方兩種外插法所得到的辨識正確率折線均在未 做錯誤補償所得的折線以上。這代表兩種外插法在群集錯誤的情況 下也可以發揮效果。
●在不同的群集程度下，基於音框的外插法所得的補償效果不一
雖然兩種外插法可以對發生群集錯誤的位元串流進行補償，但是基 於音框的外插法在不同的群集程度下卻有不太一樣的辨識效果：觀 察圖５．１３的六張圖可以發現，在群集程度低時，基於音框的外 插法所能給的錯誤補償不多；隨著群集程度逐漸上升，補償的效果 才逐漸明顯，到高群集程度時辨識正確率才可以比較逼近我們認定 的上限－－經過向量量化但沒有群集錯誤所得的辨識結果。這樣的 現象在位元錯誤率＝１０－２時更為明顯。
讓我們再回想一下之前討論過的兩點：
一．基於音框的外插法的補償方式：在描述１個特徵向量的４４個 位元中，如果其中有任何一個位元發生錯誤，那麼我們就將此 特徵向量視為是錯誤的，然後利用之前所收到的特徵向量做線 性組合，拿來取代錯誤的特徵向量，這個方法是基於音框和音 框間的相關性；
二．群集程度愈小時，代表錯誤愈分散，所能影響到的特徵向量也 愈多，被判斷為錯誤的特徵向量也愈多；反之，若群集程度愈 大，代表錯誤愈集中，所能影響到的特徵向量也愈少，被判斷
為錯誤的特徵向量也愈少。
根據上面兩點所述，當群集程度愈小時，被判斷為錯誤的特徵向量 會愈多，因此要做比較多次的錯誤補償。因為基於音框的外插法固 然會修正錯誤的子特徵向量，但也同時改變沒有發生錯誤的子特徵 向量，換句話說，外插法會帶來失真。當基於音框的外插法使用得 愈多，帶來的失真也愈多，對於辨識效果所能提供的改進也會愈少
。反之，當群集程度愈大時，被判斷為錯誤的特徵向量會愈少，因 此錯誤補償所帶來的失真也會愈小；加上此時被判定為錯誤的特徵 向量，其中有錯誤的子特徵向量數目會很多，對這個特徵向量做外 插法的補償可以修改的錯誤也很多，因此辨識效果受到的幫助也會 愈大。
最後要補充的是：從前一節的結果我們可以知道，用基於音框的外 插法來補償隨機錯誤的影響得到的效果不錯，但是從本節的結果告 訴我們，用這個方式來補償群集錯誤不一定會得到好的效果﹔因此 我們可以說，對群集錯誤所造成的錯誤作補償，比對隨機錯誤所造 成的錯誤作補償來的難。
●基於子特徵向量的外插法有很好的效果
從圖５．１３的六張圖中可以看到，基於子特徵向量的外插法所得 到的折線並沒有一致的趨勢變化；我們可以看出，不管在何種的群 集程度下，基於子特徵向量的外插法所得到的辨識正確率，一直都 是逼近、甚至是超越我們所認定的上限－－經向量量化但沒有群集 錯誤的影響。這也代表了發生群集錯誤時，基於子特徵向量的外插 法不管在群集程度為何，均保持不錯的補償效果。因此，我們得到 兩個結論：
一．因為對音框做外插法補償效果並不一定好，反觀在各種情況下 對子特徵向量做補償均發生一定效果，故我們有必要對每個子 特徵向量作編碼保護，如此一來才可以偵測出那個子特徵向量 出了錯，並對其進行補償。
二．結合上節對於隨機錯誤的補償、以及本節的結果：若能正確的 偵測出位元錯誤發生在那個子特徵向量，那麼透過基於子特徵 向量的補償，我們可以忽略通道中隨機錯誤或是群集錯誤的影 響。