画像処理併用による雑音環境音声認識の改善に関する研究

利用图像处理改进噪声环境中语音识别的研究

• 批准号: 15760270
• 负责人: 緑川 洋一
• 金额: $ 2.3万
• 依托单位: Oita University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Young Scientists (B)
• 财政年份: 2003
• 资助国家: 日本
• 起止时间: 2003 至 2005
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-15760270/
• 关键词: 雑音環境; 音声認識; 画像処理

本研究は、音声信号処理と画像処理を併用することにより雑音環境下における音声認識の認識率の向上を目指し研究を行っている。ケプストラム分析法を基とした音声認識を基に簡易的なスペクトラムサブトラクションのような手法により、雑音のためスペクトラムの低レベル部分の変形により認識率が低下してしまうことを改善するため閾値関数を用いた規則的な谷付け法により認識率の改善を図った。さらにその閾値関数を複数用いることや周波数領域で分けることなどにより更なる認識率の改善を図った。しかし、この手法はフレームごとに規則変形を行うためフレーム(時間)方向の連続性は無視しているため、谷の付いたフレームと谷の付かなかったフレ-ムが交互に並ぶ部分があるなどフレーム(時間)方向に変化の不連続な部分が見られた。このような点を改善するため、画像処理などに用いられるウェーブレット変換を用いることにより周波数およびフレームの両領域同時に平滑化などを行うことにより認識率の改善を行った。本年度は、さらに画像処理に用いられる一般的な画像フィルタなどを用いることやウェーブレット変換を用いる方法に重みをつけるなどにより認識率の改善の検討をおこなった。また、口の動きなどの口唇画像データを用いることにより更なる認識率の向上をねらい研究をおこなってきたが、撮影環境や個人差などによる影響が大きい点や通常会話中の口の変化があまり大きくないことなど精度の高い口の動きの抽出が非常に難しい点などから口の動きの安定した特徴抽出が非常に難しく口唇画像による十分有効な認識法の確立までいたらなかった。重要な研究と考えられるため今後も更なる検討を続けて行きたいと考えている。

This study は portrait, voice signal 処 と 処 Richard を and す る こ と に よ り 雑 sound environment に お け る sounds の の know rate upward を refers し を line っ て い る. ケ プ ス ト ラ ム analysis を base と し た sounds know を base に simple な ス ペ ク ト ラ ム サ ブ ト ラ ク シ ョ ン の よ う な gimmick に よ り, 雑 の た め ス ペ ク ト ラ ム の low レ ベ ル part の - shaped に よ り know rate low が し て し ま う こ と を improve す る た め threshold number of numerical masato を with い た rules な valley pay け method に よ り know rate の improve を 図 Youdaoplaceholder0. さ ら に そ の threshold number of numerical masato を plural with い る こ と で や cycle for field points け る こ と な ど に よ り more な る know rate の improve を 図 っ た. し か し, こ の gimmick は フ レ ー ム ご と に rules - line shape を う た め フ レ ー ム (time) direction の even 続 は ignore し て い る た め, valley の い た フ レ ー ム と valley の pay か な か っ た フ レ - ム に が interaction and ぶ part が あ る な ど フ レ ー ム に (time) direction - the の is not even 続 な section が sees ら れ た. こ の よ う な point を improve す る た め, portrait 処 な ど に with い ら れ る ウ ェ ー ブ レ ッ ト variations in を with い る こ と に よ り cycle for お よ び フ レ ー ム の struck areas at the same time に smoothing な ど を line う こ と に よ り know rate の improve line を っ た. This year は, さ ら に portrait 処 Richard に with い ら れ る general な portrait フ ィ ル タ な ど を with い る こ と や ウ ェ ー ブ レ ッ ト variations in を with い る method に heavy み を つ け る な ど に よ り know rate の improve の beg を 検 お こ な っ た. ま た, mouth の き な ど の oral portraits デ ー タ を with い る こ と に よ り more な る の know rate upward を ね ら い research を お こ な っ て き た が, pinch of shadow environment や individual difference な ど に よ る が affected き い point や session usually の mouth の variations change が あ ま り big き く な い こ と な ど high precision の い mouth の dynamic き の spare が very に difficult し い point な ど か ら mouth Dynamic き の の settle し た 徴 drew が very に difficult し く oral portraits に よ could promote behavior の な know method established ま る has で い た ら な か っ た. Important な research と え ら れ る た め も henceforth more な る beg を 検 続 け て line き た い と exam え て い る.

项目成果

Improvement of the Noisy Speech Recognition using Spectral Envelope Modification and Smoothing Filter

使用谱包络修正和平滑滤波器改进噪声语音识别

• 发表时间: 2006
• 期刊: Proceedings of Oita University -Seoul National University Joint Symposium On Applied Electromagnetics
• 作者: Yoichi Midorikawa

雑音環境下信号認識におけるウェーブレットによる平滑化・強調併用法による改善

使用基于小波的平滑和增强组合方法改进噪声环境中的信号识别

• 发表时间: 2005
• 期刊: 第14回MAGDAコンファレンス講演論文集
• 作者: Yoichi Midorikawa;緑川洋一;Yoichi Midorikawa;緑川洋一;緑川洋一
• 通讯作者: 緑川洋一

ケフレンシ非線形重みの耐雑音音声認識への応用

频率非线性权重在耐噪语音识别中的应用

• 发表时间: 2005
• 期刊: 日本音響学会2005年春季研究発表会講演論文集 I
• 作者: Yoichi Midorikawa;緑川洋一;Yoichi Midorikawa;緑川洋一;緑川洋一;緑川洋一
• 通讯作者: 緑川洋一

ウェーブレット平滑化・強調法による耐雑音音声認識の検討

小波平滑增强方法的抗噪声语音识别研究

• 发表时间: 2005
• 期刊: 日本音響学会2005年秋季研究発表会講演論文集
• 作者: Yoichi Midorikawa;緑川洋一;Yoichi Midorikawa;緑川洋一
• 通讯作者: 緑川洋一

耐雑音音声認識のためのスペクトル変形とウェーブレット平滑化法の検討

耐噪语音识别的谱变换和小波平滑方法研究

• 发表时间: 2005
• 期刊: 日本音響学会2005年春季研究発表会講演論文集 I
• 作者: Yoichi Midorikawa;緑川洋一;Yoichi Midorikawa;緑川洋一;緑川洋一;緑川洋一;緑川洋一
• 通讯作者: 緑川洋一