| 講演抄録／キーワード |
| 講演名 |
2005-01-27 16:20
空間的サブトラクションアレーと既知雑音重畳を用いたハンズフリー音声認識
○大橋靖明・西川剛樹・猿渡 洋・鹿野清宏（奈良先端大） |
| 抄録 |
（和） |
本研究では，実環境における雑音や残響に対して頑健なハンズフリー音声認識の実現を目標として，空間的サブトラクションアレー(SSA)と既知雑音重畳を用いたハンズフリー音声認識を提案する．SSAは，音声を強調させた信号のパワースペクトルから雑音を推定した信号のパワースペクトルをメルフィルタバンク上で減算することによって雑音抑圧を行う．この際，メルフィルタバンク数程度のパラメータのみで動作するため，少ない演算量で誤差に頑健な空間的パワースペクトル減算が可能となる．また，SSAは音声認識特徴量を直接出力するため，波形再構成等の冗長な処理は行わない．さらに本稿では，SSAによって雑音抑圧された信号に対し，メルフィルタバンク上で少量の既知雑音を重畳する．また，予め少量の既知雑音をデータベースに重畳して学習されたマッチドモデルを用いる．これによって，SSAの出力に存在する残差雑音とフロアリング処理による歪を均質化し，音韻モデルとの適合化を図る．実環境下で得られた実験結果から，既知雑音重畳及びマッチドモデルを用いることによって，SSAの認識精度は約5\%向上することが分かった．さらに，ユーザの移動が予測方位から$\pm10^{\circ}$以内であれば，提案法は従来法よりも高い認識精度を達成できた． |
| （英） |
We propose a spatial subtraction array (SSA) and known noise superimposition to achieve a robust hands-free speech recognition under noisy environments. In the proposed SSA, noise reduction is achieved
by subtracting the estimated noise power spectrum from the target speech power spectrum to be enhanced in the mel-scale filter bank domain.
This offers a realization of error-robust spatial spectral subtraction with few computational complexities because the parameters are optimized in the small number of mel-scale filter bank.
Moreover, since SSA directly outputs mel-frequency cepstrum coefficient (MFCC), SSA does not require the transformation into the time-domain waveform. In addition, we introduce known noise superimposition technique in the mel-scale filter bank domain, and utilize the matched acoustic model for the known noise. This can compensate the acoustic model mismatch and mask the residual noise component in SSA.
The experimental results obtained under a real environment reveal that word accuracy of SSA with the noise superimposition technique is 5\% higher than that using clean model. Moreover, word accuracy of the proposed method is greater than that of the conventional method even when the target user moves between $\pm10^{\circ}$ around the microphone array. |
| キーワード |
（和） |
ハンズフリー音声認識 / マイクロホンアレー信号処理 / 雑音抑圧 / 既知雑音重畳 / マッチドモデル / / / |
| （英） |
hands-free speech recognition / microphone array signal processing / noise reduction / known noise superimposition / matched model / / / |
| 文献情報 |
信学技報, vol. 104, no. 614, EA2004-123, pp. 37-42, 2005年1月. |
| 資料番号 |
EA2004-123 |
| 発行日 |
2005-01-20 (EA) |
| ISSN |
Print edition: ISSN 0913-5685 |
| PDFダウンロード |
|