利得適応型AR-HMM分解法を用いた音響モデルの雑音適応化の検討

摘要

実環境下においてロバストな音声認識を実現するためには、背景雑音などの変動要因に対して音響モデルを適応させる技術が重要となる。 本報告では、クリーン音声から学習した音響モデルに時変母数の正規分布で表したミスマッチモデルを組み合わせることで、雑音による変動を考慮した拡張音響モデルを構築する。 そして、フレーム毎に、ミスマッチモデルの期待値と分散を、それぞれGaussian Mixture Model(GMM)と利得適応型Auto-Regressive Hidden Markov Model(ARHMM)分解法を用いて逐次的に推定することで、拡張音響モデルの適応を実現する。 また、AURORA2のデータべースを用いて、提案手法の有効性を検討する。