短時間パワースペクトルの時間一周波数傾斜の3倍化に基づく音声特徴量を用いた単語認識

摘要

音声認識で用いられる代表的な特徴量としてMFCC(Mel Frequency Cepstrum Coefficient)やLPC(Linear Predictive Coefficient)ケプストラムが挙げられるが，雑音がある環境下ではこれらの特徴畳を利用して音声認識を行うと，認識率が著しく低下する. そこで著者らは以前に周波数軸方向のスペクトル傾斜を3値化した値に基づく特徴畳FTTSS(Fourier Transform of Ternalized Spectral Slope)を提案し，その特徴量の耐雑音性についてMFCCとの比較を行い，単語音声認識において有用性を確認することができた．本研究では特徴量の△に代わる特徴畳を提案することを目的に，短時間パワースペクトルの時間軸方向のスペクトル傾斜を3値化することに基づく特徴畳を用い音声認識にもたらす効果を実験的に検証する．