強化学習に基づく適応的な音声対話システム

基于强化学习的自适应口语对话系统

• 批准号: 10F00050
• 负责人: 河原 達也
• 金额: $ 1.34万
• 依托单位: Kyoto University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2010
• 资助国家: 日本
• 起止时间: 2010 至 2012
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-10F00050/
• 关键词: 音声認識; 音声対話; 残響抑圧; 雑音抑制; 雑音抑圧; ウエーブレット

音声は人間同士のコミュニケーションにおいて最も自然なメディアであり、計算機やロボットとのインタラクションにおいても音声対話は重要な役割を果たすと考えられる。しかしながら、実際の環境において、計算機やロボットから一定(数メートル)以上離れた状況で発話がなされると、残響等の影響が顕著となる。その結果、音声認識や発話の理解の性能が大きく低下し、円滑な対話も困難になる。従来この問題に対して、音声強調・残響抑圧の研究が行われてきたが、人間の聴感上の改善を主な目標としていたため、必ずしも音声認識やインタラクションの性能改善につながるとは限らないものであった。これに対して、音声認識やインタラクションの改善に直接的に貢献するように音声強調を行う方法について研究を行った。今年度は特に、複数の分解能からなるウエーブレット分析の手法を研究した。提案するウエーブレットパケット分解では、遅い残響成分と音声の成分を効果的に分離するように、各々の分解能を設定する。これにより、各々に適切なウエーブレット基底を用いることで、観測された残響のある信号から効果的なウイナーゲインを計算することができる。残響抑圧は、ウエーブレットパケットの係数をウイナーゲインでフィルタすることで行われる、大語彙連続音声認識(JNASタスク)の評価実験において、提案手法はウエーブレット分析に基づく従来法や他の残響抑圧手法と比べて、高い性能を示した。

Sounds は with human and の コ ミ ュ ニ ケ ー シ ョ ン に お い て も most natural な メ デ ィ ア で あ り, computer や ロ ボ ッ ト と の イ ン タ ラ ク シ ョ ン に お い て も sounds words important な は "を fruit cut seaborne た す と exam え ら れ る. し か し な が ら, be interstate の environment に お い て, computer や ロ ボ ッ ト か ら certain number (メ ー ト ル) above from れ た condition で 発 words が な さ れ る と, reverberation の influence が 顕 the と な る. Youdaoplaceholder0 result, recognition of sound や conversation, performance of understanding が large そ く low, smooth な difficulty in conversing になる になる. 従 to こ の problem に し seaborne て, sounds stressed reverberation suppression 圧 の が line わ れ て き た が, human の 聴 feeling on の improve を main な target と し て い た た め shall ず し も sounds know や イ ン タ ラ ク シ ョ ン の performance improvement に つ な が る と は limit ら な い も の で あ っ た. こ れ に し seaborne て, sounds や イ ン タ ラ ク シ ョ ン の improve に directly に contribution す る よ う に sounds line emphasizes を う method に つ い を line っ て research た. This year, the research on <s:1> special に and complex number <s:1> decomposition energy らなるウエ らなるウエ ブレット ブレット ブレット analysis <s:1> techniques を を た た. Proposal す る ウ エ ー ブ レ ッ ト パ ケ ッ ト decomposition で は, 遅 い reverberation composition と sounds の composition を unseen fruit に separation す る よ う に, various 々 の decomposition can set を す る. こ れ に よ り, various 々 に appropriate な ウ エ ー ブ レ ッ ト basal を with い る こ と で, 観 さ れ た reverberation の あ る signal か ら unseen fruited な ウ イ ナ ー ゲ イ ン を computing す る こ と が で き る. Reverberation suppression 圧 は, ウ エ ー ブ レ ッ ト パ ケ ッ ト の coefficient を ウ イ ナ ー ゲ イ ン で フ ィ ル タ す る こ と で line わ れ る, large vocabulary, even 続 sounds know (JNAS タ ス ク) の review 価 be 験 に お い て, proposal は ウ エ ー ブ レ ッ ト analysis に base づ く 従 method や he の reverberation suppression 圧 gimmick と than べ て, high performance を い し た.

项目成果

Robust speech recognition in noisy and reverberant conditions using Wiener filtering in the wavelet

使用小波中的维纳滤波在噪声和混响条件下进行鲁棒语音识别

• 发表时间: 2011
• 作者: Randy Gomez;Tatsuya Kawahara
• 通讯作者: Tatsuya Kawahara

Robust speech recognition using optimized wavelet denoising with noise profiles.

使用优化的小波去噪和噪声分布进行鲁棒语音识别。

• 发表时间: 2011
• 期刊: 情報処理学会研究報告
• 作者: Randy Gomez;Tatsuya Kawahara.
• 通讯作者: Tatsuya Kawahara.

Wavelet packet decomposition-based dereverberation for robust asr

基于小波包分解的去混响实现稳健的 ASR

• 发表时间: 2012
• 作者: Randy Gomez;Tatsuya Kawahara
• 通讯作者: Tatsuya Kawahara