| 講演名 | 2012-02-10 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(音声処理,時系列パターン認識) 安藤 厚志, 大橋 宏正, 原 直, 北岡 教英, 武田 一哉, |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 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. |
| 抄録(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 confidence score of the separation accuracy for each frequency bin is first estimated. Subsequently, by employing multi-band speech recognition system, acoustic likelihood is calculated in the Mel-scale filter bank energy using the estimated BSS confidence 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 |
| キーワード(英) | Multi-band speech recognition / Blind source separation / frequency-domain feature / nonstationary noise |
| 資料番号 | PRMU2011-234,SP2011-149 |
| 発行日 |
| 研究会情報 | |
| 研究会 | PRMU |
|---|---|
| 開催期間 | 2012/2/2(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 | Pattern Recognition and Media Understanding (PRMU) |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 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(音声処理,時系列パターン認識) |
| サブタイトル（和） | |
| タイトル（英） | Multi-band Speech Recognition using Confidence of Blind Source Separation |
| サブタイトル（和） | |
| キーワード(1)（和/英） | マルチバンド音声認識 / Multi-band speech recognition |
| キーワード(2)（和/英） | ブラインド音源分離 / Blind source separation |
| キーワード(3)（和/英） | スペクトル特徴量 / frequency-domain feature |
| キーワード(4)（和/英） | 非定常雑音 / nonstationary noise |
| 第 1 著者 氏名（和/英） | 安藤 厚志 / Atsushi ANDO |
| 第 1 著者 所属（和/英） | 名古屋大学大学院情報科学研究科 |
| 第 2 著者 氏名（和/英） | 大橋 宏正 / Hiromasa OHASHI |
| 第 2 著者 所属（和/英） | 名古屋大学大学院情報科学研究科 Graduate School of Information Science, Nagoya University |
| 第 3 著者 氏名（和/英） | 原 直 / Sunao HARA |
| 第 3 著者 所属（和/英） | 奈良先端科学技術大学院大学 Nara Institute of Science and Technology |
| 第 4 著者 氏名（和/英） | 北岡 教英 / Norihide KITAOKA |
| 第 4 著者 所属（和/英） | 名古屋大学大学院情報科学研究科 Graduate School of Information Science, Nagoya University |
| 第 5 著者 氏名（和/英） | 武田 一哉 / Kazuya TAKEDA |
| 第 5 著者 所属（和/英） | 名古屋大学大学院情報科学研究科 Graduate School of Information Science, Nagoya University |
| 発表年月日 | 2012-02-10 |
| 資料番号 | PRMU2011-234,SP2011-149 |
| 巻番号（vol） | vol.111 |
| 号番号（no） | 430 |
| ページ範囲 | pp.- |
| ページ数 | 6 |
| 発行日 | |