残響指標RSR-D_nに基づく残響環境下音声認識の予測性能評価

摘要

近年，雑音および残響下における音声認識手法に関する研究が盛んに行われている．それに伴い雑音環境下で音声認識性能を頑健に予測可能な指標も多数提案されている．一方，残響環境下における音声認識性能の有力な予測指標は提案されておらず，残響下音声認識性能の頑健な予測指標の策定は急務である．これまでに残響下音声認識性能の優劣を判別する残響指標として残響時間が提案されているが，仮定書場と実環境との差異から残響時間だけでなく他の残響特性も変化するため，音声認識性能を予測する残響量の指標として不十分であることが問題視されている．そこで本研究では，ISO3382 Annex Aで説明されている室内音響指標を用いた残響下における頑健な音声認識性能の予測法を提案する．提案法では初期反射音と後続残響音の関係を表す室内音響指標の中でも特にDefinition（D値）に着目し，事前に様々な環境で複数箇所計測したインパルス応答を基に算出したD値と音声認識性能に基づき回帰分析を行うことで残響指標RSR-D_nを策定する．策定した残響指標RSR-D_nと性能予測を行う残響環境の発話位置におけるインパルス応答を基に残響下音声認識性能の予測を試みる．評価実験の結果，従来の残響時間に基づく手法と比較して残響指標RSR-D_nは，より頑健に残響下音声認識性能を予測できることを確認した．