文献

J-GLOBAL ID：201802242155400595   整理番号：18A2065445

制約付きLPとHMMに基づく声門流導関数の生成モデルの結合による声門逆フィルタリング【JST・京大機械翻訳】

Glottal inverse filtering by combining a constrained LP and an HMM-based generative model of glottal flow derivative

著者 (1件)： Sasou Akira (National Institute of Advanced Industrial Science and Technology, AIST, Japan)
資料名： Speech Communication  (Speech Communication)
巻： 104  ページ： 113-128  発行年： 2018年 
JST資料番号： W1590A  ISSN： 0167-6393  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 声門流は,音声合成,表情音声処理,話者認識,音声ベースの生物医学工学のような,いくつかの音声応用において効果的に使用できる有用な情報を伝達すると期待される。声門逆フィルタリング(GIF)は,事前知識なしに音声信号から直接測定できない声門流を推定する。これまで,多くのGIF法が提案されてきたが,従来のGIFsは,特に高い基本周波数の音声信号の解析において,推定精度において劣化する傾向があると結論した。このような高い基本周波数音声信号から声道を表現するARフィルタの推定精度を改善するために,自己回帰隠れMarkovモデル(AR-HMM)に基づく方法を導入した。以前のAR-HMM解析において,HMMは,物理的に観測可能な信号に関連する情報をほとんど持たないインパルス列として励起源の生成モデルを表した。したがって,学習されたHMMは声門流の本質的な情報を伝達することは期待されなかった。本研究の主目的は,ARフィルタ最適化に制約を課すことにより,声門流導関数のHMMベース生成モデルを実現することである。提案したAR-HMM解析は,高い基本周波数音声信号に対するロバストなGIFを実現することが期待される。線形音源フィルタモデルと生理的音声合成器により生成された2つのテストセットを用いて,提案した方法を評価した。結果は,AR-HMM解析が,線形ソース-フィルタモデルベースのテストセットの評価において,制約付き線形予測に関する閉鎖位相共分散分析を上回る傾向があることを示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *フィルタ ,  線形性 ,  *導関数 ,  位相 ,  音声信号 ,  基本振動数 ,  最適化 ,  声道 ,  ロバスト性 ,  音声合成 ,  音源 ,  *声門 ,  音声分析 ,  隠れMarkovモデル
準シソーラス用語： 推定精度 , 【Automatic Indexing@JST】

著者キーワード (4件)： 声門の流れ ,  声門逆フィルタリング ,  AR-HMM ,  音声分析

分類 (1件)： 音声処理  (JE05000E)

タイトルに関連する用語 (7件)： 制約 ,  LP ,  HMM ,  声門 ,  導関数 ,  生成モデル ,  逆フィルタリング