音声信号の2重自己相関関数のスペクトル表現と雑音環境下単語認識システムへの応用

摘要

In this paper, we propose a new spectral representation for noisy word recognition system, that we call Spectral Representation of Double Autocorrelation Function. In this method, we, firstly, calculate 2 frames of autocorrelation sequence from 4 frames of speech signal by using "un-windowed type" of autocorrelation function (ACF). Then 1 frame of autocorrelation sequence is calculated from the resulting autocorrelation sequence at the first step by using the same "un-windowed type" of ACF. This results in double autocorrelation sequence, which is used as the input of Linear Predictive Coding (LPC) analysis. We demonstrate the robustness of the proposed spectral representation against white Gaussian noise in term of Likelihood ratio spectral distortion measure. A word recognition system that uses feature vectors built from the proposed spectral representation is also implemented. The results show a better performance than other conventional methods when be used in white Gaussian noisy environment of SNR less than 10dB.%本論文では雑音環境下での音声認識システムのための新しいスペクトル表現，2重自己相関関数のスペクトル表現，を提案する.この方法では，初めに，“un-windowed”タイプの自己相関関数（ACF）を使って，4つフレームの音声信号から，2つフレームの自己相関系列を算出し，その2つのフレームの自己相関系列から，改めてACFを使って，自己相関系列を求める.結果として，1つのフレームの2重自己相関系列を得る.その2重自己相関系列を音声信号の代わりに線形予測分析（LPC分析）の入力として用い，2重自己相関系列のLPCスペクトルを求める.実験では，Likelihood ratioスペクトル歪み推定で，提案法が白色ガウス雑音に対する耐性を改善できることを示す.また，提案スペクトル表現から構成された特徴ベクトルを用い，白色ガウス雑音環境下で単語認識を行い，10dB以下の強雑音環境の場合に従来法より高い認識率が得られることを示す.