文献

J-GLOBAL ID：201502214032241050   整理番号：15A0598824

残響下音声認識におけるモデル学習用インパルス応答の最適化

Optimization of impulse responses for model training in reverberant speech recognition

著者 (4件)： 福森隆寛 (立命館大 大学院情報理工学研究科) ,  中山雅人 (立命館大 情報理工) ,  西浦敬信 (立命館大 情報理工) ,  山下洋一 (立命館大 情報理工)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 114  号： 473(EA2014 72-130)  ページ： 37-42  発行年： 2015年02月23日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 実環境において音声認識システムを利用すると,残響などの影響を受けて音声認識性能が著しく劣化する。耐残響に関するアプローチの1つとして,残響音声を音響モデルの学習に用いる手法が広く研究されており,特に従来は残響時間が異なる環境の残響音声から音響モデルを構築する手法が利用されてきた。しかし,音声認識性能は発話者とマイクロホン間の位置関係に大きく依存するため,同一室内で固有の値を有する残響時間だけでは,適切な音響モデルの学習に限界があると考えられる。これまでに,我々は室内音響指標に基づいて残響下音声認識における音響モデルの学習法を提案した。提案手法では,発話者とマイクロホン間の位置関係に依存して変動する室内音響指標のD値に着目し,このD値が異なるインパルス応答を用いて音響モデルを構築することで,残響環境下で音声認識性能を改善させることができた。そこで本稿では,音響モデルの学習に用いるインパルス応答の最適化(具体的には,D値算出時の初期・後続反射音の境界時間,インパルス応答の数)に取り組んだ。評価実験結果より,残響時間とD₅₀が異なる9ケ所のインパルス応答を用いて残響マッチドな音響モデルを構築することで,高い音声認識性能を達成することができた。(著者抄録)

シソーラス用語： *音環境 ,  *音声認識 ,  学習 ,  *インパルス応答 ,  モデル ,  時間 ,  マイクロホン ,  発話
準シソーラス用語： *モデル学習 ,  音響モデル ,  *残響環境 ,  残響時間

分類 (2件)： 音声処理  (JE05000E) ,  人工知能  (JE08000Z)

引用文献 (18件)：

• 飛田瑞広,菅村昇,中津良平,“音響伝送ひずみの単語認識率への影響とその改善,”電子情報通信学会論文誌, vol,J73-D-II, no.6, pp.781-787, 1990.
• S.Boll,“Suppression of acoustic noise in speech using spectral subtraction,”IEEE Trans. ASSP, vol.ASSP-27, no.2 ,pp.113-120, 1979.
• 堀井圭祐,福森隆寛,森勢将雅,中山雅人,西浦敬信,山下洋一,南條浩輝,“雑音下音声受音におけるWeighted反復スペクトル減算法を用いたミュージカルノイズの低減,”電子情報通信学会論文誌, vol.J96-D, no.3, pp.664-674, 2013.
• J.L. Flanagan, J.D. Johnston, R. Zahn, and G.W. Elko, “Computer-steered microphone arrays for sound transduction in large rooms,“ J. Acoust. Soc. Am:, vol. 78, no. 5, pp. 1508-1518, 1985.
• K.K. Paliwal and A. Basu, “A speech enhancement method based on kalman filtering,“ Proc. ICASSP1987, pp. 177-180, 1987.

タイトルに関連する用語 (5件)： 残響 ,  音声認識 ,  モデル学習 ,  インパルス応答 ,  最適化