マイクロホンアレイと確率モデルの合成による音声認識アルゴリズムの研究

点击翻译按钮获取中文摘要

音声によるインタフェースは、人間同志の通信に通常使用されているという意味で最も自然で使いやすいインタフェースである。マルチモーダルインタフェースにおいても、音声情報はそれらの情報の要として極めて重要となる。しかしながら、音声認識合成は今だ性能的に不十分で上記の使用のための性能を満たしていない。実環境で使用するためには、次の点が重要となる。(1)マイクロホンから離れての発声、(2)動きながらの発声、(3)他人の声を含む雑音源のある環境での発声、(4)使用者が発声しているかどうかの判断我々は、これらの問題に対する鍵は、マイクロホンを意識せずにマイクロホンから離れて発声した音声の認識を可能にすることであると考えている。本研究ではマイクロホンの存在を話者に意識させない、ハンズフリーフリーのより自然な対話音声入力方式の確率を目指して対話音声認識系の入力系および音声処理系における堅牢性の向上について検討を行なうことを目的にしている。マイクロホンアレイおよび距離依存感度マイクロホンを用いて複数音源から生成される信号を空間的に分析し、さらに複数音源に対する生成源である音源の確率モデル(HMM)を推定し、対象とする音源モデルの強調処理を行ない認識対象とする音声の認識性能、特に堅牢性を向上させることによりハンズフリーの音声インタフェースを実現を試みた。まず、直線型マイクロホンアレーを入力系とする音声認識系の構築、雑音および部屋の伝達関数のHMM合成による実環境における認識系の堅牢性の向上の評価の基礎検討および距離依存感度マイクロホンの改良を行なった。さらに、マイクロホンアレーに関しては、実環境における評価を目指したデータベース構築の準備も行なった。また、アクティブノイズコントロールの検討を行なった。