文献

J-GLOBAL ID：202102250666524238   整理番号：21A0233258

自動雑音音声認識のためのフロントエンド技術【JST・京大機械翻訳】

A Front-End Technique for Automatic Noisy Speech Recognition

著者 (4件)： Naing Hay Mar Soe (University of Computer Studies,Thaton,Thaton,Myanmar) ,  Hidayat Risanuri (Gadjah Mada University,Yogyakarta,Indonesia) ,  Hartanto Rudy (Gadjah Mada University,Yogyakarta,Indonesia) ,  Miyanaga Yoshikazu (Hokkaido University,Sapporo,Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： O-COCOSDA  ページ： 49-54  発行年： 2020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： 実際の環境における音は,音が複雑であり,通常同時に発生するので,隔離においてしばしば起こるわけではない。聴覚マスキングは音成分間の知覚的相互作用に関係する。本論文では,Mel周波数ケプストラム係数(MFCC)への同時マスキングの効果をモデル化し,得られるシステムの性能を効果的に改善した。さらに,ガンマトーン周波数積分を,重みを徐々に減衰させ,スペクトル相関の損失を補償することができるエネルギースペクトルを縦糸するために提示した。実験をAurora-2データベース上で行い,フレームレベル交差エントロピーベース深層ニューラルネットワーク(DNN-HMM)訓練を用いて音響モデルを構築した。複数条件音声データで訓練された与えられたモデルでは,提案した特徴抽出法の精度は,それぞれ10dB,94.40%,5dB,81.67%,0dBの81.67%,および-5dBの51.5%のケースで98.14%に達する。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *音声認識 ,  *雑音 ,  相互作用 ,  マスキング ,  データベース ,  *音響 ,  特徴抽出 ,  スペクトル ,  エネルギー分布 ,  聴覚マスキング
準シソーラス用語： MFCC ,  音響モデル ,  音声データ ,  ケプストラム係数 ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 雑音 ,  音声認識 ,  フロントエンド