| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2010-07-23 09:00 長時間分析に基づく位相情報を用いた音声認識の検討 ○山本一公・末吉英一・中川聖一（豊橋技科大）  SP2010-40 |
|
| 抄録 | （和） | 現在の音声認識システムでは，音声特徴量としてMFCC等の振幅スペクトルベースの特徴量が用いられており，一方で位相情報は無視されている．しかし，Liuらの行った聴覚実験の結果では，長時間分析に基づく位相スペクトルには言語的な情報が含まれていることが示唆されている．そこで，本稿では長時間分析に基づく位相特徴量を用いて音声認識を行う手法を提案する．我々は，位相特徴量として群遅延特徴を用いるが，本稿では2種類の求め方について検討する．1つは，位相スペクトル領域における周波数軸方向の傾きとして求めた群遅延特徴量，もう1つは解析的手法により求めた群遅延特徴量である．孤立単語認識実験と連続数字認識実験により評価を行い，それぞれで90%以上の単語・数字正解精度を得た．これにより，位相特徴に音声認識能力があることが確かめられた．また，尤度レベルでMFCC 特徴量との結合を行うことで，連続数字音声認識において，クリーン音声に対して20%以上の誤り削減率を得た． |
| （英） | Current speech recognition systems use mainly amplitude spectrum-based features such as MFFC for acoustic feature parameters, while discarding phase spectral information. The results of perceptual experiments, however, suggested that phase spectral information based on long-term analysis includes certain linguistic information. In this paper, we propose the use of phase features based on long-term analysis for speech recognition. We use two types of parameters: the delta phase parameter as a group delay and analytic group delay features. Isolated word and continuous digit recognition experiments were performed, resulting in a greater than 90% word or digit accuracy for each of the experiments. The experimental results confirmed that a long-term phase spectrum includes sufficient information for recognizing speech. Furthermore, combining likelihoods of MFCC and long-term group delay cepstrum outperformed the baseline MFCC by relatively 20% for clean speech. | |
| キーワード | （和） | 音声認識 / 位相情報 / 長時間分析 / 群遅延スペクトル / / / / |
| （英） | speech recognition / phase information / long-term analysis / group delay spectrum / / / / | |
| 文献情報 | 信学技報, vol. 110, no. 143, SP2010-40, pp. 31-36, 2010年7月. | |
| 資料番号 | SP2010-40 | |
| 発行日 | 2010-07-15 (SP) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | SP2010-40 |
|
| 研究会情報 | |
| 研究会 | SP |
| 開催期間 | 2010-07-22 - 2010-07-24 |
| 開催地（和） | 仙台 秋保温泉 緑水亭 |
| 開催地（英） | Ryokusui-tei (Sendai) |
| テーマ（和） | 認識，理解，対話，一般（SLPと合同（併催）） |
| テーマ（英） | Recognition, Understanding, Dialogue, etc.(Prallelized with SIG-SLP) |
| 講演論文情報の詳細 | |
| 申込み研究会 | SP |
| 会議コード | 2010-07-SP |
| 本文の言語 | 日本語 |
| タイトル（和） | 長時間分析に基づく位相情報を用いた音声認識の検討 |
| サブタイトル（和） | |
| タイトル（英） | Speech Recognition using Phase Information based on Long-Term Analysis |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 音声認識 / speech recognition |
| キーワード(2)（和/英） | 位相情報 / phase information |
| キーワード(3)（和/英） | 長時間分析 / long-term analysis |
| キーワード(4)（和/英） | 群遅延スペクトル / group delay spectrum |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 山本 一公 / Kazumasa Yamamoto / ヤマモト カズマサ |
| 第1著者 所属（和/英） | 豊橋技術科学大学 (略称： 豊橋技科大) Toyohashi University of Technology (略称： Toyohashi Univ. of Tech.) |
| 第2著者 氏名（和/英/ヨミ） | 末吉 英一 / Eiichi Sueyoshi / スエヨシ エイイチ |
| 第2著者 所属（和/英） | 豊橋技術科学大学 (略称： 豊橋技科大) Toyohashi University of Technology (略称： Toyohashi Univ. of Tech.) |
| 第3著者 氏名（和/英/ヨミ） | 中川 聖一 / Seiichi Nakagawa / ナカガワ セイイチ |
| 第3著者 所属（和/英） | 豊橋技術科学大学 (略称： 豊橋技科大) Toyohashi University of Technology (略称： Toyohashi Univ. of Tech.) |
| 講演者 | 第1著者 |
| 発表日時 | 2010-07-23 09:00:00 |
| 発表時間 | 25分 |
| 申込先研究会 | SP |
| 資料番号 | SP2010-40 |
| 巻番号（vol） | vol.110 |
| 号番号（no） | no.143 |
| ページ範囲 | pp.31-36 |
| ページ数 | 6 |
| 発行日 | 2010-07-15 (SP) |
[研究会発表申込システムのトップページに戻る]