モデルの広がりを考慮した頑健な音声認識手法の研究

考虑模型扩散的鲁棒语音识别方法研究

• 批准号: 09878065
• 负责人: 広瀬 啓吉
• 金额: $ 1.15万
• 依托单位: The University of Tokyo
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Exploratory Research
• 财政年份: 1997
• 资助国家: 日本
• 起止时间: 1997 至 1998
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-09878065/
• 关键词: 隠れマルコフモデル; 頑健な音声認識; ビタビベイズ予測分類法; 順次ベイズ学習; ビタビ探索Minimax法; 雑音; 性差; 事後確率密度関数; ビタビベイズ予測分類; 学習

本研究は、隠れマルコフモデル(HMM)に基づく音声認識において、使用環境が学習環境と異なる場合にも認識率の低下が小さな頑健な手法として我々が新しく提案したビタビベイズ予測分類等の確立を図るものである。この手法は、環境の違いにより、音素等のモデルがHMMパラメータ空間において広がりを持つと考えることを基本とするもので、昨年度の引き続き、本年度は下記の成果を得、所期の研究目標を達成した。1. 使用環境における音声データが与えられた時、順次により確からしい事後確率密度関数を推定してビタビベイズ予測分類を行うことを検討した。事前確率密度関数から事後確率密度関数を推定する過程において、確率密度の分布の項数がべき乗で増大して計算量の爆発を招くという問題があるが、これに対し、N-ベストビタビ経路の選択によって数個の代表的な分布に限定する手法を開発した。60名の話者による離散数字音声を用い、白色雑音付加と性差の場合について実験を行った結果、提案方式の従来方式に対する有効性を、認識性能と学習の収束速度の両面について確認した。2. 学習環境と使用環境との違いによるHMMモデルの広がりを前提とした認識判定手法として、従来よりMinimax法が提案されているが、連続音声への拡張が困難という問題点があった。これに対し、ビタビ探索をにより擬似Minimax探索を行うことで、反復的に最適経路を探索するアルゴリズムを開発し、連続音声への拡張が可能であることを示した。実際に、白色雑音付加の場合の離散数字音声について有効性を示すとともに、連続数字音声の認識実験でPlag-in MAP等の従来手法に対する大幅な優位性を示した。3. ビタビベイズ予測分類法、ビタビ探索Minimax法を用いて新聞記事文音声の認識実験を行い、文音声に対する開発方式の基本的有効性を確認した。

This study aims at establishing a new method for predicting the classification of HMM, which is based on sound recognition, use environment, learning environment and different situations. The method, environment, phoneme, etc. are used to investigate the basic problems, and the results recorded in this year are achieved. The expected research objectives are achieved. 1. Use the environment to determine the density of sound and sound, and to determine the order of sound and sound. In the process of estimating the accuracy density correlation, the number of items of accuracy density distribution increases, and the number of calculations increases. In the process of calculating the accuracy density correlation, the number of items of accuracy density distribution increases. In the process of calculating the accuracy density correlation, the number of items of accuracy density distribution increases. In the process of calculating the accuracy density correlation, the number of items of accuracy density distribution increases. 60 speakers, discrete digital audio, white audio, performance, results, proposal, approach, effectiveness, cognitive performance, learning, beam speed, etc. 2. The learning environment, the use environment, the premise, the recognition and determination method, the minimax method, the proposal, the sound and the expansion of the problem. This is the first time I've ever seen someone who's been trying to figure out how to do this. In real time, white sound is added to the discrete digital sound, and the recognition of digital sound, such as Plag-in MAP, has a large advantage. 3. To confirm the basic effectiveness of the application of the prediction classification method and the minimax method in the recognition and implementation of the news record text sound and the development of the text sound

项目成果

江 輝: "Improving viterbi Bayesian predictive classification via sequential Bayesian learning in robust speech recognition" Proc.IEEE International Conference on Acoustics, Speech,& Signal Processing. 1. 77-80 (1998)

Hiroshi Jiang：“通过稳健语音识别中的顺序贝叶斯学习改进维特比贝叶斯预测分类”Proc。IEEE 国际声学、语音和信号处理会议 1. 77-80 (1998)。

江 輝: "Robust speech recognition based on Viterbi Bayesian predictive classification" Proc.IEEE International Conference on Acoustics,Speech,& Signal Processing. 2. 1551-1554 (1997)

Hiroshi Jiang：“基于维特比贝叶斯预测分类的鲁棒语音识别”Proc. IEEE 国际声学、语音和信号处理会议 2. 1551-1554 (1997)。

江 輝: "Robust Speech Recognition Based on Bayesian Prediction Approach" IEEE Transactions on Speech and Audio Processing. (発表予定). (1998)

Hiroshi Jiang：“基于贝叶斯预测方法的鲁棒语音识别”IEEE 语音和音频处理汇刊（即将发表）。

江 輝: "Sequential Bayesian learning of CDHMM based on finite mixture approximation of its prior/posterior density" Proc.IEEE Automatic Speech Recognition Workshop. 373-380 (1997)

Hiroshi Jiang：“基于先验/后验密度的有限混合近似的 CDHMM 的顺序贝叶斯学习”Proc。IEEE 自动语音识别研讨会 373-380 (1997)。

江 輝: "A minimax search algorithm for CDHMM based robust continuous speech recognition" Proc.International Conference on Spoken Language Processing. 2. 389-392 (1998)

Hiroshi Jiang：“基于 CDHMM 的鲁棒连续语音识别的极小极大搜索算法”Proc.国际口语处理会议 2. 389-392 (1998)。