Development of Noise Robust Speech Recognition and Its Application on Mobile Environment

噪声鲁棒语音识别的发展及其在移动环境下的应用

基本信息

批准号：
16500097
负责人：
KOSAKA Tetsuo
金额：
$ 1.86万
依托单位：
Yamagata University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2004
资助国家：
日本
起止时间：
2004 至 2006
项目状态：
已结题

项目摘要

1) Noisy speech recognition using DMHMMsWe have proposed new methods of robust speech recognition using discrete-mixture HMMs (DMHMMs). The aim of this work is to develop robust speech recognition for adverse conditions that contain both stationary and non-stationary noise. In particular, we focus on the issue of impulsive noise, which is a major problem in practical speech recognition system. In order to solve the problem, we have proposed two methods. First, an estimation method of DMHMM parameters based on MAP has been proposed aiming to improve trainability. The second is a method of compensating the observation probabilities of DMHMMs by threshold to reduce adverse effect of outlier values. Experimental evaluations on Japanese LVCSR for read newspaper speech showed that the proposed method achieved the average error rate reduction of 28.1% in adverse conditions that contain both stationary and impulsive noises.2) Model Based Histogram Equalization for Noise Robust Speech Recognition by Using DMHMMsTowards further improvement of noisy speech recognition, we have proposed a novel normalization method for codebooks of DMHMMs in this paper. The codebook normalization method is based on histogram equalization (HEQ) and it can compensate the non-linear effects of additive noise in model space. The proposed method was compared with both conventional continuous-mixture HMMs (CHMMs) and DMHMMs. It showed that the proposed method obtained the best performance, and obtained an average relative improvement of 29.2% over the CHMM baseline.

1）使用DMHMMSWE的嘈杂语音识别已提出了使用离散混合HMMS（DMHMM）的新方法的新方法。这项工作的目的是针对包含固定噪声和非平稳噪声的不利条件发展强大的语音识别。特别是，我们专注于冲动噪声的问题，这是实际语音识别系统的主要问题。为了解决问题，我们提出了两种方法。首先，已经提出了基于MAP的DMHMM参数的估计方法，以提高训练性。第二种方法是通过阈值补偿DMHMM的观察概率以减少异常值的不利影响。 Experimental evaluations on Japanese LVCSR for read newspaper speech showed that the proposed method achieved the average error rate reduction of 28.1% in adverse conditions that contain both stationary and impulsive noises.2) Model Based Histogram Equalization for Noise Robust Speech Recognition by Using DMHMMsTowards further improvement of noisy speech recognition, we have proposed a novel normalization method for codebooks of DMHMMs in this paper. CodeBook归一化方法基于直方图均衡（HEQ），它可以补偿模型空间中加性噪声的非线性效应。将提出的方法与常规连续混合HMM（CHMM）和DMHMM进行了比较。它表明该方法获得了最佳性能，并且在CHMM基线上获得了29.2％的平均相对提高。

项目成果

期刊论文数量（64）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

話者ベクトルを用いた話者識別法における次元圧縮の効果

说话人向量降维对说话人识别方法的影响

DOI：
发表时间：
2006
期刊：
日本音響学会講演論文集 1-P-18
影响因子：
0
作者：
赤津達也;加藤正治;小坂哲夫;好田正紀
通讯作者：
好田正紀

Noisy Speech recognition Based on Codebook Normalization of Discrete-Mixture HMMs

基于离散混合 HMM 码本归一化的噪声语音识别

DOI：
发表时间：
2006
期刊：
ASA/ASJ Forth Joint Meeting 1pSC27
影响因子：
0
作者：
T.Kosaka;M.Katoh;M.Kohda
通讯作者：
M.Kohda

日本語話し言葉コーパスを用いた教師なし適応による講演音声認識の性能改善

使用日语口语语料库通过无监督适应提高讲座语音识别的性能

DOI：
发表时间：
2006
期刊：
日本音響学会講演論文集(春季) 3-1-8
影响因子：
0
作者：
R.Tsutsumi;M.Katoh;T.Kosaka;M.Kohda;加藤正治;阿部拓也
通讯作者：
阿部拓也

Robust speech recognition under non-stationary noise using discrete-mixture HMMs

使用离散混合 HMM 在非平稳噪声下进行鲁棒语音识别

DOI：
发表时间：
2005
期刊：
Proc. of International Workshop on Nonlinear Circuit and Signal Processing 1
影响因子：
0
作者：
R.Tsutsumi;M.Katoh;T.Kosaka;M.Kohda;加藤正治;阿部拓也;遠藤大悟;熊倉拓哉;赤津達也;草間隆;梅本真模;宇野涼子;T.Kosaka
通讯作者：
T.Kosaka

コードブック適応を用いた離散混合分布型HMMによる講演音声認識

使用离散混合分布 HMM（使用码本自适应）进行讲座语音识别