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

• Item type: SIG Technical Reports(1)
• 公開日: 1997-12-11
• タイトル: 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
• タイトル / 言語: en
• タイトル: Noise environment speech recognition using spectral subband centroids
• 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: ATR音声翻訳通信研究所
• 著者所属: ATR音声翻訳通信研究所
• 著者所属: ATR音声翻訳通信研究所／Griffith大学
• 著者所属(英): en
• 著者所属(英): ATR Interpreting Telecommunications Research Laboratories/Tokushima University
• 著者所属(英): en
• 著者所属(英): ATR Interpreting Telecommunications Research Laboratories
• 著者所属(英): en
• 著者所属(英): ATR Interpreting Telecommunications Research Laboratories
• 著者所属(英): en
• 著者所属(英): ATR Interpreting Telecommunications Research Laboratories/Griffith University
• 著者名: 柘植, 覚; 深田俊朋; シンガーハラルド; パリワルクルディップ
• 著者名(英): Satoru, Tsuge; Toshiaki, Fukada; Harald, Singer; Kuldip, K.Paliwal
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 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、ケプスドラム等の特徴ノく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 (S) を補助的パラメー夕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 (FC) 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。
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: 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 Met-Frequency Cepstral Coefficients (MFCC).
• 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. 23-28, 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