| 講演名 | 1997/12/11 スペクトルサブバンドセントロイドを用いた雑音下での音声認識 柘植 覚, 深田 俊明, シンガー ハラルド, パリワル クルデイップ, |
|---|---|
| PDFダウンロードページ | PDFダウンロードページへ |
| 抄録(和) | 音声認識システムを実環境下で使用する場合、背景雑音等で音響モデルの学習環境と認識環境とのミスマッチが生じることが多い。このような環境のミスマッチに対し、ケプストラム等の特徴パラメータは大きく変動してしまうため、認識性能の劣化を引き起こす。本報告では、スペクトル・サブバンド・セントロイド(SSC)を補助的パラメータとして用いることにより、環境のミスマッチによる認識性能の劣化が低減できることを示す。SSCは、ナイキスト周波数をサブバンドに分割したときの各々のサブバンド内のパワースペクトルのセントロイド周波数として定義される。このセントロイド周波数は、雑音下においても変動が少ないため、環境のミスマッチに対してロバストな特徴パラメータであると考えられる。自然発話を用いた音声認識実験結果より、Mel-Frequency Cepstral Coefficients (MFCC)の補助的パラメータとしてSSCとMFCCの二次回帰係数を併用した場合、SNR=10dBにおいて14.3%、SNR=20dBにおいて19.9%の誤り改善率を得ることができた。 |
| 抄録(英) | This paper investigates the effectiveness of a novel feature for speech recognition called spectral subband centroids (SSC). SSC are computed as frequency centroids for each subband using the power spectrum of the speech signal. This feature can be obtained reliably even under noisy conditions because SSC are mainly computed from spectral peaks such as formants whose positions are almost unchanged in a noisy environment. Therefore, we can expect SSC to provide here useful information. Experimental results on Japanese spontaneous speech recognition showed that SSC produced significant improvements at SNR=10dB and 20dB when used as a supplemental feature to the conventional Mel-Frequency Cepstral Coefficients (MFCC). |
| キーワード(和) | スペクトルサブバンドセントロイド / 補助パラメータ / 雑音環境 / 音声認識 |
| キーワード(英) | Spectral subband centroids / Supplement parameter / Noise environment / Speech recognition |
| 資料番号 | SP97-71 |
| 発行日 |
| 研究会情報 | |
| 研究会 | SP |
|---|---|
| 開催期間 | 1997/12/11(から1日開催) |
| 開催地（和） | |
| 開催地（英） | |
| テーマ（和） | |
| テーマ（英） | |
| 委員長氏名（和） | |
| 委員長氏名（英） | |
| 副委員長氏名（和） | |
| 副委員長氏名（英） | |
| 幹事氏名（和） | |
| 幹事氏名（英） | |
| 幹事補佐氏名（和） | |
| 幹事補佐氏名（英） | |
| 講演論文情報詳細 | |
| 申込み研究会 | Speech (SP) |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | スペクトルサブバンドセントロイドを用いた雑音下での音声認識 |
| サブタイトル（和） | |
| タイトル（英） | Noise environment speech recognition using spectral subband centroids |
| サブタイトル（和） | |
| キーワード(1)（和/英） | スペクトルサブバンドセントロイド / Spectral subband centroids |
| キーワード(2)（和/英） | 補助パラメータ / Supplement parameter |
| キーワード(3)（和/英） | 雑音環境 / Noise environment |
| キーワード(4)（和/英） | 音声認識 / Speech recognition |
| 第 1 著者 氏名（和/英） | 柘植 覚 / Satoru Tsuge |
| 第 1 著者 所属（和/英） | ATR音声翻訳通信研究所:徳島大学 ATR Interpreting Telecommunications Research Laboratories:Tokushima University |
| 第 2 著者 氏名（和/英） | 深田 俊明 / Toshiaki Fukada |
| 第 2 著者 所属（和/英） | ATR音声翻訳通信研究所 ATR Interpreting Telecommunications Research Laboratories |
| 第 3 著者 氏名（和/英） | シンガー ハラルド / Harald Singer |
| 第 3 著者 所属（和/英） | ATR音声翻訳通信研究所 ATR Interpreting Telecommunications Research Laboratories |
| 第 4 著者 氏名（和/英） | パリワル クルデイップ / Kuldip K. Paliwal |
| 第 4 著者 所属（和/英） | Griffith大学 Griffith University |
| 発表年月日 | 1997/12/11 |
| 資料番号 | SP97-71 |
| 巻番号（vol） | vol.97 |
| 号番号（no） | 441 |
| ページ範囲 | pp.- |
| ページ数 | 6 |
| 発行日 | |