ロバストな音声認識実現を目的とした 変調スペクトル特性の検討

• Item type: SIG Technical Reports(1)
• 公開日: 1997-12-11
• タイトル: ロバストな音声認識実現を目的とした 変調スペクトル特性の検討
• タイトル / 言語: en
• タイトル: On Properties of the Modulation Spectrum for Robust Automatic Speech Recognition
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 石川高専
• 著者所属: Oregon Graduate Institute of Science & Technology
• 著者所属: International Computer Science Institute
• 著者所属: 金沢大学
• 著者所属(英): en
• 著者所属(英): Ishikawa National College of Technology
• 著者所属(英): en
• 著者所属(英): Oregon Graduate Institute of Science & Technology
• 著者所属(英): en
• 著者所属(英): International Computer Science Institute
• 著者所属(英): en
• 著者所属(英): Faculty of Engineering, Kanazawa University
• 著者名: 金寺, 登; Hynek, Hermansky; 荒井, 隆行; 船田, 哲男
• 著者名(英): Noboru, Kanedera; Hynek, Hermansky; Takayuki, Arai; Tetsuo, Funada
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: CMS法や動的特徴は変調周波数特性を操作することにより音声認識性能が向上することが知られているが、どの変調周波数がどの程度重要であるのかという定量的な検討は行われていない。そこで本研究では、様々な変調周波数特性を持った入力に対し、音声認識性能の違いを種々の雑音環境、認識方式、特徴量のもとで調べた。その結果、以下のことが分かった: ) 言語情報のほとんどが1?16 Hzの変調周波数帯域に存在し、その中でも4 Hz付近が最も重要である。) 変調スペクトルにおいては位相情報も重要である。) 4 Hz付近の変調周波数を含む特徴量を用いることで動的特徴量と同等以上の結果が得られる。) 適切な中心周波数と帝域幅をもつ複数のサブバンドを変調周波数上で用いることにより、認識性能がさらに向上する。
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: We report on the effect of band-pass filtering of the time trajectories of spectral envelopes on speech recognition. Several types of recognizers, several types of features, and several types of filters are studied. Results indicate the relative importance of different components of the modulation spectrum of speech for ASR. General conclusions are: (1) most of the useful linguistic information is in modulation frequency components from the range between 1 and 16 Hz, with the dominant component at around 4 Hz, (2) it is important to preserve the phase information in modulation frequency domain, (3) The features which include components at around 4 Hz in modulation spectrum outperform the conventional delta features, (4) The features which represent the several modulation frequency bands with appropriate center frequency and band width increase recognition performance.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10442647
• 書誌情報: 情報処理学会研究報告音声言語情報処理（SLP）; 巻 1997, 号 120(1997-SLP-019), p. 15-22, 発行日 1997-12-11
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会