モーラ情報を用いたフィルタバンクによる孤立単語認識

摘要

ケプストラムを用いた孤立単語認識では，モーラ情報を用いることによりピッチの影響が分離されるので，認識精度を向上させることが可能であると知られている．本研究では，ピッチの中にも認識に有効な情報が含まれていることに着目し，ピッチの情報が直接利用できる方法について検討した．ケプストラムを用いるとホルマントとピッチが分離され，ピッチの情報が利用できない．そのため，本研究ではパワースペクトラムを使用した．さらに，人間の聴覚特性を考慮してパワースペクトラムを少ない次数で効率的に表現するために，メル分割されたフィルタバンクの対数パワーを用い，モーラ情報を考慮した音素ラベルを作成して孤立単語認識を行った結果，全ての話者に対して認識精度が向上することが分かった．