音声認識の前処理としてのCMNと修正CMNの性能比較

摘要

本報告では，CMN処理を組み込んだ音声認識システムの弱点を改善し，認識対象の発話内容にかかわらず，高い認識性能を与える特徴抽出方式を提案する．具体的には，短い発話からケプストラム平均を計算して正規化を行うCMN処理が，ケプストラム平均計算区間の音韻の偏りが大きい場合，性能劣化を引き起こす事実に着目した修正CMN （MCMN）処理方式を提案する．MCMNはスペクトラム（ケプストラム）時系列から得た正規化分散値から，音韻の少なさに対する推定信頼度を計算してCMN処理を制御する．MCMN処理方式が，大語彙連続音声認識の性能を維持すると同時に，孤立単語音声認識の性能を顕著に改善することを示す．次に，CMN処理の高速化手法の1つであるCMAN処理に対して，本手法を組み込み(M-CMAN)，M-CMAN処理方式が高速に，かつ精度良く働くことを音声認識実験から示す．