雑音・残響環境下でのHMM分解・合成法によるモデル適応化

概要

論文の詳細を見る
ユーザがマイクロホンから離れて発話した場合のハンズフリー音声認識に対しては, 残響環境下において認識精度が劣化してしまう.なぜなら, その音声は, 周囲の雑音および残響の影響を受けてしまい, 学習データと観測データとの間にミスマッチが生じてしまうためである.それらの影響に対処するために, 筆者らは, これまでに音響伝達特性HMMを作成し, HMM合成法による音声認識法を提案した[1], [2].しかし, その方法では認識を行う前に, あらかじめ各場所からの音声伝達特性を測定する必要があった.本論文では, 音響伝達特性HMMの推定を, 観測信号より行う方法を提案する.この方法では, 話者の場所が既知である必要はなく, 任意の場所から発話された適応データを用いて, 最ゆう推定に基づき, HMMを一つの既知HMMともう一つのHMMに分解し, モデルパラメータの推定を行う.音素を単位にした500単語認識実験の結果, 特定話者認識率が77.2%から91.2%に, 不特定話者認識率は54.4%から66.2%に改善され, 提案方法の有効性が示された.
社団法人電子情報通信学会の論文
1998-10-25