文献

J-GLOBAL ID：201602281967791213   整理番号：16A0729241

マルチ条件訓練の効果となりすまし検出に関する音声強調法【Powered by NICT】

Effect of multi-condition training and speech enhancement methods on spoofing detection

著者 (6件)： Yu Hong (Pattern Recognition and Intelligent System Lab., Beijing University of Posts and Telecommunications) ,  Sarkar Achintya (Dept. of Electronic Systems, Aalborg University) ,  Thomsen Dennis Alexander Lehmann (Dept. of Electronic Systems, Aalborg University) ,  Tan Zheng-Hua (Dept. of Electronic Systems, Aalborg University) ,  Ma Zhanyu (Pattern Recognition and Intelligent System Lab., Beijing University of Posts and Telecommunications) ,  Guo Jun (Pattern Recognition and Intelligent System Lab., Beijing University of Posts and Telecommunications)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： SPLINE  ページ： 1-5  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： 多くの研究者は,クリーントレーニングと試験条件の下でなりすまし検出システムの良好な性能を実証した。しかし,話者および音声認識システムの性能は雑音のある条件下においても著しく劣化させることが知られている。なりすまし検出システムの性能に及ぼす雑音の影響を調べるために大きな関心を集めている。本論文では,なりすまし検出モデルはクリーンで雑音の多いデータの混合で訓練した複数条件トレーニング法を調べた。添加では,異なる雑音タイプの影響および動的線形周波数ケプストラム係数(LFCC)特徴とGauss混合モデル最尤(GMM-ML)分類器に基づく最先端なりすまし検出システムの音声強調法を研究した。実験部分では,三種類の加法性雑音タイプ,異なる信号対雑音比でCantine,バブルと白色Gaussおよび二主流音声強調法,Wienerフィルタリングと最小平均二乗誤差を考察した。実験結果は増強法はなりすまし検出作業には適していないことを示し,なりすまし検出精度は音声強調後減少する。が,多重条件付き訓練はなりすまし検出のための誤り率を低減可能性を示した。Copyright 2016 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： 雑音 ,  最尤法 ,  誤り率 ,  線形性 ,  SN比 ,  *音声強調 ,  気泡
準シソーラス用語： 検出精度 ,  最小平均二乗誤差 ,  加法性雑音 ,  Gauss混合モデル ,  ケプストラム係数 ,  話者 ,  検知システム ,  *成り済し , 【Automatic Indexing@JST】

分類 (2件)： 音声処理  (JE05000E) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： マルチ ,  訓練 ,  なりすまし ,  音声強調