文献

J-GLOBAL ID：201802264053694019   整理番号：18A0586930

改良された音声認識特徴のための瞬時周波数推定法の研究【Powered by NICT】

An investigation into instantaneous frequency estimation methods for improved speech recognition features

著者 (3件)： Nayak Shekhar (Department of Electrical Engineering, Indian Institute of Technology Hyderabad, Hyderabad, India) ,  Bhati Saurabhchand (Department of Electrical Engineering, Indian Institute of Technology Hyderabad, Hyderabad, India) ,  Murty K. Sri Rama (Department of Electrical Engineering, Indian Institute of Technology Hyderabad, Hyderabad, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： GlobalSIP  ページ： 363-367  発行年： 2017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： は,近年,いくつかの研究人間の知覚における音声信号の解析的位相の重要性を示し,特に雑音の多い条件において,した。しかし,位相情報は,最新の音声認識システムで使用されていない。本論文では,自動音声認識のための音声信号の解析的相の重要性を示した。解析相の計算は避けられない位相ラッピング問題に悩まされているとして,その時間導関数からの特徴,瞬時周波数(IF)と呼ばれるを抽出した。本研究では,著者らは音声状信号からIF抽出に関わる問題を明らかにし,音声信号からのIF抽出のための適切な修正を提案した。深部ニューラルネットワーク(DNN)フレームワークを用いた音声信号のIFから抽出された特徴を用いた音声認識システムを構築した。IF特徴に基づく音声認識システムはTIMITデータベース上で21.8%の音素誤り率を示したが,メル周波数ケプストラム係数(MFCC)に基づくベースラインシステムは18.4%の音素誤り率を示した。最小Bayesリスク(MBR)復号化を用いた,IFとMFCC特徴ベースシステムの組合せは,ベースラインシステム上の8.7%の相対的改善を提供し,音声認識のための解析的相の重要性を明らかにした。Copyright 2018 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： 音素 ,  データベース ,  位相 ,  復号化 ,  *音声認識 ,  導関数 ,  誤り率 ,  音声信号 ,  *周波数 ,  雑音
準シソーラス用語： MFCC ,  ケプストラム係数 ,  自動音声認識 ,  音声認識システム ,  *瞬時周波数 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 音声認識 ,  瞬時周波数 ,  推定法 ,  研究