特定の騒音環境下における音声認識のためのノイズ除去の検討と評価実験

• Item type: SIG Technical Reports(1)
• 公開日: 2021-05-20
• タイトル: 特定の騒音環境下における音声認識のためのノイズ除去の検討と評価実験
• タイトル / 言語: en
• タイトル: Investigation and Evaluation Experiment of Noise Removal for Voice Recognition in Specific Noisy Environment
• 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: 神奈川工科大学大学院工学研究科情報工学専攻
• 著者所属(英): en
• 著者所属(英): Information & Computer Sciences, Kanagawa Institute of Technology
• 著者名: 佐野, 将太; 村上, 史尚; 川喜田, 佑介; 宮崎, 剛; 田中, 博
• 著者名(英): Shota, Sano; Fumitaka, Murakami; Yuusuke, Kawakita; Tsuyoshi, Miyazaki; Hiroshi, Tanaka
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本稿では，人込みや電車内などの騒音環境下における音声認識精度向上のため，特定の状況に限定してノイズ除去を行った際のノイズ除去性能と音声認識精度の検討結果について述べる．実験ではノイズ除去手法と して SS 法と DAE を適用した．人込み，電車内を想定したノイズ 2 種類と，SN 比 -10, -5, 0,5, 10, 15dB の 6 種類でノイズを重畳した音声を作成し，DAE では複数のノイズを混合させて学習モデルを作成した場合と，それらを混合せずにノイズに応じた個別のモデルを用いた場合でノイズ除去を行った．ノイズ除去後に出力された音声に対し，ノ イズ重畳前の音声データとのコサイン類似度と，スペクトログラム画像に対する正規化相互相関値，音声認識精度 の 3 つからノイズ除去性能の評価を行った．その結果，どの評価方法でも複数のノイズを混合させて作成したモデルより，個別の学習モデルが最も良い結果となることを確認した．また，SN 比 10dB では個別の条件で作成したモデルのみ 80% 程の精度での音声認識が可能であることが確認できた．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In this manuscript, the noise removal performance and speech recognition accuracy is described when noise is removed by assuming the specific situation in order to improve speech recognition accuracy in a noisy environment such as a crowded spot or in a train. Noise removal was performed by using the SS and DAE method in the experiment. We created speech data with noise superimposed with 2 types of noise assuming crowded spot and inside a train, and 6 types of SN ratio of -10, -5, 0, 5, 10, 15 dB. In the DAE method, the noise was removed and compared by using the model created by mixing multiple noises, and learning models individually created by adding each noise with SN condition. The noise removal performance was evaluated by the cosine similarity to the time-series data, the similarity of the spectrogram image by the normalized correlation, and the speech recognition accuracy between speech data before noise superimposition and the noise removal. It was verified that the individual learning model gave better results than the results by the model created by mixing noise. Also it was confirmed that speech recognition was possible with an accuracy of about 80% only for the model individually created under the conditions of SN ratio of 10dB.
• 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: AA11851388
• 書誌情報: 研究報告モバイルコンピューティングと新社会システム（MBL）; 巻 2021-MBL-99, 号 2, p. 1-6, 発行日 2021-05-20
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8817
• 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