• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 前のページに戻る

ロバスト時変複素AR分析を用いたロバストHMM音声認識

研究課題

研究課題/領域番号 14550363
研究種目

基盤研究(C)

配分区分補助金
応募区分一般
研究分野 情報通信工学
研究機関琉球大学

研究代表者

舟木 慶一  琉球大学, 総合情報処理センター, 講師 (30315486)

研究期間 (年度) 2002 – 2004
研究課題ステータス 完了 (2004年度)
配分額 *注記
3,500千円 (直接経費: 3,500千円)
2004年度: 1,000千円 (直接経費: 1,000千円)
2003年度: 1,000千円 (直接経費: 1,000千円)
2002年度: 1,500千円 (直接経費: 1,500千円)
キーワード音声分析 / 複素信号処理 / ロバスト分析 / HMM音声認識 / 時変分析 / ELS法 / 音声特微量分析 / HTK / 音声特徴量抽出 / ロバスト / 前向き後向き線形予測 / ELS / Output Error Method / GLS
研究概要

ロバスト時変複素AR音声分析(Time-Varying Complex AR (TV-CAR) speech analysis)の構築を行い、それを音声認識のフロントエンドとしてHMM音声認識に適用することにより、ロバスト音声認識を実現する研究を行っている。時変複素AR(TV-CAR)音声分析とは、複素信号である解析信号に対して、AR係数を複素基底展開で記述する時変複報ARモデルパラメータを推定する方式であり、MMSE規範、M推定、補助変数(IV)法、GLS(一般化最小2乗法)、ELS(拡大最小2乗法)に基づく分析アルゴリズムの提案を平成13年までに行った。特に、GLS、ELS法で、付加雑音の影響を受けないロバストなスペクトル推定が実現できる。さらに、平成14年以降、音声分析アルゴリズムのさらなる高度化として、前向き後向き線形予測基準GLS、ELS分析法、Output Error基準による前向き後向き線形予測基準ELS法の提案を行った。HMM音声認識エンジンHTK(HMM Tool Kit)にロバストTV-CAR分析を組み込むために、TV-CAR分析による時変複素パラメータをLPCCに変換する方式の実装を行った。現在、時変複素パラメータをLPCC係数に変換し、HTKを用いてHMM音声認識実験を行うことにより、時変性と複素化の効果を調査中である。さらに、提案したELS法などのロバスト分析を用いてロバスト分析の効果を調査したい。

報告書

(4件)
  • 2004 実績報告書   研究成果報告書概要
  • 2003 実績報告書
  • 2002 実績報告書

URL: 

公開日: 2002-04-01   更新日: 2016-04-21  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi