実環境における音源分離と分離音認識を統合したロボット聴覚

点击翻译按钮获取中文摘要

1.リアルタイム同時発話認識システムの認識率向上と音声対話の実装これまでに開発したリアルタイム同時発話認識システムの認識率を向上させるために,高精度な音源定位手法であるMUSIC法の導入し,MFTのための特徴量の再検討を行った.また,本システムを利用した料理の同時注文認識や口じゃんけんなどの音声対話を実装してその有効性を確認した.2.ロボット聴覚の音源同定システムの開発実環境では様々な音が聞こえるので,汎用的なロボット聴覚システムを実現するためには,入力された音がどのような種類の音であるかを分類する音源同定システムが必要である.そのような音源同定システムを実現するために,階層的な音源モデルによる音源同定手法を開発し,ミッシングフィーチャ理論(MFT)によってノイズロバスト性を向上させた.(1)混合正規分布モデル(GMM)による階層的な音源モデルによる音源同定多様な音を認識するために,音オントロジーと呼ばれる音の階層的表現を行う場合,あらゆる音を表現できるようにすると非常に複雑な階層表現となる.しかし,これまでに開発されている音環境理解システム,たとえば音声認識,話者認識,楽器音認識などの技術を利用することができるので,音の階層表現の上位階層の部分についての分類を行うことができる音源同定手法の開発を行う.本研究では,音声,音楽,環境音などの音を階層的に表現し,それぞれをGMMによって音源モデルを構築した.そして,入力音に対して階層的な音源同定結果を得るシステムのプロトタイプを開発した.(2)MFTによるノイズへの対応実環境ではターゲットの音だけではなくさまざまなノイズが入力される.そのノイズに対応するためにMFTを導入することによりノイズロバスト性を向上させた.その同時発話認識のためのMFTの技術を本音源同定システムにも適用し,ノイズロバスト性を向上させた.