講演抄録/キーワード |
講演名 |
2012-02-10 15:20
ブラインド音源分離の信頼度を用いたマルチバンド音声認識 ○安藤厚志・大橋宏正(名大)・原 直(奈良先端大)・北岡教英・武田一哉(名大) PRMU2011-234 SP2011-149 |
抄録 |
(和) |
ブラインド音源分離は音声認識の精度の向上に応用されるが,従来の音源分離法は音声認識の単なる前処理としてしか利用されなかった.本稿では,周波数領域独立成分分析によるブラインド音源分離法と組み合わせたマルチバンド音声認識手法を提案する.音源分離時において,各周波数ごとの分離行列の正確さを推定し,その周波数の信頼度とする.次段の処理では,音源分離の信頼度とメル尺度フィルタバンクエネルギーに基づきマルチバンド音声認識手法により音響尤度を計算する.提案法では音源分離行列の推定誤りとICA 後のdepermutation 誤りを原因とする認識誤りを削減することが可能となる.提案法を用いて雑音下での孤立単語認識実験を行った結果,単語正解率が平均8.2%,単語正解精度が平均5.7%向上することを確認した. |
(英) |
One of the main applications of Blind Source Separation (BSS) is to improve performance of Automatic Speech Recognition (ASR) systems. However, conventional BSS algorithm has been applied only to speech signals as a pre-processing approach. In this paper, a closely coupled framework between FDICA-based BSS algorithm and speech recognition system is proposed. In the source separation step, a condence score of the separation accuracy for each frequency bin is rst estimated. Subsequently, by employing multi-band speech recognition system, acoustic
likelihood is calculated in the Mel-scale lter bank energy using the estimated BSS condence scores. Therefore, our proposed method can reduce ASR errors which caused by separation errors in BSS and permutation errors in ICA, as in the conventional approach. Experimental results showed that our proposed method improved word correct rate of ASR by 8.2 % and word accuracy rate by 5.7 % on average. |
キーワード |
(和) |
マルチバンド音声認識 / ブラインド音源分離 / スペクトル特徴量 / 非定常雑音 / / / / |
(英) |
Multi-band speech recognition / Blind source separation / Frequency-domain feature / Nonstationary noise / / / / |
文献情報 |
信学技報, vol. 111, no. 431, SP2011-149, pp. 219-224, 2012年2月. |
資料番号 |
SP2011-149 |
発行日 |
2012-02-02 (PRMU, SP) |
ISSN |
Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
PRMU2011-234 SP2011-149 |