雑音残響環境下での変調伝達関数に基づくパワーエンベロープ回復処理と音声認識への応用

摘要

著者らは，これまでに，雑書残響音声から変調伝達関数（MTF）に基づくパワーエンベロープ回復法を提案してきた．提案法は，室内音響のインパルス応答や雑音レベルの事前測定を行わずに，雑書残響音声のパワーエンベロープを回復できる．本稿では，雑音残響環境下において提案法を音声認識システムの前処理として適用することで，雑音残響によって低減した音声認識率をどれだけ回復できるか調査した．雑書残響音声信号は，クリーンな音声信号（AURORA-2J）と室内インパルス応答を畳み込み，背景雑音として白色雑音を加算することで生成された．雑音残響環境下でのパワーエンベロープ回復をSNRとCorr（誤差と類似性）で評価した結果，全ての条件でパワーエンベロープを回復できた．音声認識評価では，代表的なMFCCを音声認識の比較基準として評価に利用した．雑書残響環境下での定量的評価の結果，MFCCと比較して提案法は，8．33％音声認識率を向上させることができた．%We previously proposed a method for restoring the speech power envelope from noisy reverberant speech based on a simple modulation transfer function (MTF) concept. The method does not require the impulse response and noise conditions of the room acoustics to be measured. In this study, we further tested the proposed method as a front-end for ASR systems in noisy reverberant environments. Noisy reverberant speech signals were obtained by adding white noise to reverberant speech produced by convoluting clean speech signals (from the AURORA-2J database) with artificially made impulse response of room acoustics. The recognition performance based on the conventional Mel frequency cepstral coefficient (MFCC) feature was used as a baseline. Compared with the baseline, the proposed method obtained 8.33 % relative improvement in the error reduction rate.