文献

J-GLOBAL ID：201702272884755490   整理番号：17A0797843

ノイズにロバストな話者検証のための長い短期メモリベースリカレントニューラルネットワークを用いた音声強調【Powered by NICT】

Speech enhancement using Long Short-Term Memory based recurrent Neural Networks for noise robust Speaker Verification

著者 (3件)： Kolboek Morten (Aalborg University, Department of Electronic Systems, Fredrik Bajers Vej 7, 9220 Aalborg, Denmark) ,  Tan Zheng-Hua (Aalborg University, Department of Electronic Systems, Fredrik Bajers Vej 7, 9220 Aalborg, Denmark) ,  Jensen Jesper (Aalborg University, Department of Electronic Systems, Fredrik Bajers Vej 7, 9220 Aalborg, Denmark)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： SLT  ページ： 305-311  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,雑音に頑健な話者照合(SV)のための最先端の深いリカレントニューラルネットワーク(DRNN)に基づく音声強調(SE)アルゴリズムを用いることを提案した。特に,iベクトルに基づくSVシステムの性能,長い短期記憶(LSTM)アーキテクチャを用いたDRNNによるSEフロントエンドを用いた雑音の多い条件で試験した場合,を研究した。非負行列因数分解(NMF)に基づくフロントエンドを用いたシステムとの比較,短時間スペクトル振幅最小平均二乗誤差(STSA MMSE)ベースのフロントエンドをであった。男性話者およびテキスト非依存DRNNによるSEフロントエンド,ノイズタイプに関する事前知識は特定のないはRSR2015音声コーパスに対する雑音比に雑音タイプと信号の広い範囲のためのテキスト,雑音タイプと特定話者NMFに基づくフロントエンドとして,等誤り率の観点からSTSA MMSEに基づくフロントエンドより優れていることをシミュレーション実験で示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *音声強調 ,  アルゴリズム ,  *雑音 ,  誤り率 ,  *ロバスト性 ,  シミュレーション ,  スペクトル
準シソーラス用語： 音声コーパス ,  事前知識 ,  テキスト ,  非負行列因子分解 ,  短期記憶 ,  *リカレントニューラルネットワーク ,  話者照合 ,  *話者 , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  数値計算  (JE02000J) ,  音声処理  (JE05000E)

タイトルに関連する用語 (6件)： ノイズ ,  ロバスト ,  話者 ,  検証 ,  短期 ,  音声強調