JP4245617B2 - 特徴量補正装置、特徴量補正方法および特徴量補正プログラム - Google Patents
特徴量補正装置、特徴量補正方法および特徴量補正プログラム Download PDFInfo
- Publication number
- JP4245617B2 JP4245617B2 JP2006105091A JP2006105091A JP4245617B2 JP 4245617 B2 JP4245617 B2 JP 4245617B2 JP 2006105091 A JP2006105091 A JP 2006105091A JP 2006105091 A JP2006105091 A JP 2006105091A JP 4245617 B2 JP4245617 B2 JP 4245617B2
- Authority
- JP
- Japan
- Prior art keywords
- correction
- feature
- amount
- feature amount
- calculated
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/20—Speech recognition techniques specially adapted for robustness in adverse environments, e.g. in noise, of stress induced speech
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
- G10L15/065—Adaptation
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
Description
第1の実施の形態にかかる特徴量補正装置は、複数の雑音環境について事前に補正ベクトルを設計して記憶部に記憶し、音声認識時には各々の雑音環境に対する入力音声の帰属度を計算し、計算した帰属度に基づいて複数の雑音環境の補正ベクトルを重み付き加算して補正ベクトルを求め、求めた補正ベクトルにより特徴ベクトルを補正するものである。
第1の実施の形態では、各時刻tにおける雑音環境の帰属度は当該時刻tの特徴ベクトルytのみから求めていた。これに対し、第2の実施の形態にかかる特徴量補正装置は、時刻tの前後の複数の特徴ベクトルも用いて帰属度を算出するものである。
52 ROM
53 RAM
54 通信I/F
61 バス
100 特徴量補正装置
101 入力受付部
102 特徴抽出部
103 帰属度計算部
104 補正ベクトル計算部
105 特徴ベクトル補正部
120 雑音環境記憶部
121、122、123 パラメータ
300 特徴量補正装置
303 帰属度計算部
Claims (11)
- 音声処理で用いる音声の特徴量を補正する特徴量補正装置であって、
複数の雑音環境のそれぞれについて、予め定められた複数の第1の補正量を記憶する記憶手段と、
入力された音声の特徴量を抽出する特徴量抽出手段と、
前記特徴量抽出手段が抽出した前記特徴量に基づいて、前記雑音環境のそれぞれについて、入力された音声が前記雑音環境で発生したことの確からしさを表す帰属度を計算する帰属度計算手段と、
前記記憶手段から複数の前記第1の補正量を取得し、取得した複数の前記第1の補正量を重み付け加算することにより前記雑音環境のそれぞれについての前記特徴量の補正量である第2の補正量を算出し、算出した前記第2の補正量を前記帰属度計算手段が計算した前記帰属度を重み付け係数として重み付け加算した第3の補正量を計算する補正量計算手段と、
前記補正量計算手段が計算した前記第3の補正量に基づいて、前記特徴量抽出手段が抽出した前記特徴量を補正する補正手段と、
を備えたことを特徴とする特徴量補正装置。 - 前記記憶手段は、前記雑音環境をガウス混合モデルでモデル化したときのパラメータをさらに記憶し、
前記帰属度計算手段は、前記記憶手段から前記パラメータを取得し、取得した前記パラメータに基づいて前記雑音環境のそれぞれに対して前記特徴量が出現する確からしさを表す第1の尤度を算出し、算出した前記第1の尤度に基づいて前記帰属度を計算すること、
を特徴とする請求項1に記載の特徴量補正装置。 - 前記補正手段は、前記特徴量と前記第3の補正量とを加算することにより前記特徴量を補正すること、
を特徴とする請求項1に記載の特徴量補正装置。 - 前記記憶手段は、前記雑音環境のそれぞれについて、前記雑音環境下の音声である雑音音声と、雑音が存在しない環境下の音声であるクリーン音声とから算出された前記第1の補正量を記憶すること、
を特徴とする請求項1に記載の特徴量補正装置。 - 前記特徴量抽出手段は、入力された音声のMFCC(メル周波数ケプストラム係数)を前記特徴量として抽出すること、
を特徴とする請求項1に記載の特徴量補正装置。 - 前記帰属度計算手段は、第1の時刻の前または後の少なくとも一方の予め定められた範囲に含まれる複数の時刻で前記特徴量抽出手段が抽出した複数の前記特徴量に基づいて前記帰属度を計算すること、
を特徴とする請求項1に記載の特徴量補正装置。 - 前記記憶手段は、前記雑音環境をガウス混合モデルでモデル化したときのパラメータをさらに記憶し、
前記帰属度計算手段は、前記記憶手段から前記パラメータを取得し、取得した前記パラメータに基づいて、前記範囲に含まれる複数の時刻のそれぞれについて、前記雑音環境のそれぞれに対して前記特徴量が出現する確からしさを表す第2の尤度を算出し、予め定められた第1の係数を重み付け係数として、算出した前記第2の尤度を重み付け乗算することにより、前記第1の時刻の前記特徴量が出現する確からしさを表す第1の尤度を算出し、算出した前記第1の尤度に基づいて前記帰属度を計算すること、
を特徴とする請求項6に記載の特徴量補正装置。 - 前記帰属度計算手段は、算出した前記第2の尤度の積である前記第1の尤度を算出し、算出した前記第1の尤度に基づいて前記帰属度を計算すること、
を特徴とする請求項7に記載の特徴量補正装置。 - 前記帰属度計算手段は、前記第1の時刻との差が大きい時刻に対する前記第1の係数の値が、前記第1の時刻との差が小さい時刻に対する前記第1の係数の値より小さくなるように予め定められた前記第1の係数を重み付け係数として、算出した前記第2の尤度を重み付け乗算すること、
を特徴とする請求項7に記載の特徴量補正装置。 - 音声処理で用いる音声の特徴量を補正する特徴量補正方法であって、
入力された音声の特徴量を抽出する特徴量抽出ステップと、
前記特徴量抽出ステップが抽出した前記特徴量に基づいて、前記雑音環境のそれぞれについて、入力された音声が前記雑音環境で発生したことの確からしさを表す帰属度を計算する帰属度計算ステップと、
前記雑音環境のそれぞれについて予め定められた複数の第1の補正量を記憶する記憶手段から複数の前記第1の補正量を取得し、取得した複数の前記第1の補正量を重み付け加算することにより前記雑音環境のそれぞれについての前記特徴量の補正量である第2の補正量を算出し、算出した前記第2の補正量を前記帰属度計算ステップが計算した前記帰属度を重み付け係数として重み付け加算した第3の補正量を計算する補正量計算ステップと、
前記補正量計算ステップが計算した前記第3の補正量に基づいて、前記特徴量抽出ステップが抽出した前記特徴量を補正する補正ステップと、
を備えたことを特徴とする特徴量補正方法。 - 音声処理で用いる音声の特徴量を補正する特徴量補正プログラムであって、
入力された音声の特徴量を抽出する特徴量抽出手順と、
前記特徴量抽出手順が抽出した前記特徴量に基づいて、前記雑音環境のそれぞれについて、入力された音声が前記雑音環境で発生したことの確からしさを表す帰属度を計算する帰属度計算手順と、
前記雑音環境のそれぞれについて予め定められた複数の第1の補正量を記憶する記憶手段から複数の前記第1の補正量を取得し、取得した複数の前記第1の補正量を重み付け加算することにより前記雑音環境のそれぞれについての前記特徴量の補正量である第2の補正量を算出し、算出した前記第2の補正量を前記帰属度計算手順が計算した前記帰属度を重み付け係数として重み付け加算した第3の補正量を計算する補正量計算手順と、
前記補正量計算手順が計算した前記第3の補正量に基づいて、前記特徴量抽出手順が抽出した前記特徴量を補正する補正手順と、
をコンピュータに実行させる特徴量補正プログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006105091A JP4245617B2 (ja) | 2006-04-06 | 2006-04-06 | 特徴量補正装置、特徴量補正方法および特徴量補正プログラム |
US11/713,801 US20070276662A1 (en) | 2006-04-06 | 2007-03-05 | Feature-vector compensating apparatus, feature-vector compensating method, and computer product |
CNA200710088572XA CN101051461A (zh) | 2006-04-06 | 2007-03-16 | 特征向量补偿装置和特征向量补偿方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2006105091A JP4245617B2 (ja) | 2006-04-06 | 2006-04-06 | 特徴量補正装置、特徴量補正方法および特徴量補正プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2007279349A JP2007279349A (ja) | 2007-10-25 |
JP4245617B2 true JP4245617B2 (ja) | 2009-03-25 |
Family
ID=38680870
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2006105091A Expired - Fee Related JP4245617B2 (ja) | 2006-04-06 | 2006-04-06 | 特徴量補正装置、特徴量補正方法および特徴量補正プログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20070276662A1 (ja) |
JP (1) | JP4245617B2 (ja) |
CN (1) | CN101051461A (ja) |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4316583B2 (ja) * | 2006-04-07 | 2009-08-19 | 株式会社東芝 | 特徴量補正装置、特徴量補正方法および特徴量補正プログラム |
JP4843646B2 (ja) * | 2008-06-16 | 2011-12-21 | 日本電信電話株式会社 | 音声認識装置とその方法と、プログラムと記録媒体 |
US8639502B1 (en) | 2009-02-16 | 2014-01-28 | Arrowhead Center, Inc. | Speaker model-based speech enhancement system |
JP2010230913A (ja) * | 2009-03-26 | 2010-10-14 | Toshiba Corp | 音声処理装置、音声処理方法、及び、音声処理プログラム |
WO2011148860A1 (ja) * | 2010-05-24 | 2011-12-01 | 日本電気株式会社 | 信号処理方法、情報処理装置、及び信号処理プログラム |
WO2012063424A1 (ja) * | 2010-11-08 | 2012-05-18 | 日本電気株式会社 | 特徴量系列生成装置、特徴量系列生成方法および特徴量系列生成プログラム |
JP5716595B2 (ja) | 2011-01-28 | 2015-05-13 | 富士通株式会社 | 音声補正装置、音声補正方法及び音声補正プログラム |
CN102426837B (zh) * | 2011-12-30 | 2013-10-16 | 中国农业科学院农业信息研究所 | 农业现场数据采集的移动设备语音识别的鲁棒性方法 |
JP6082304B2 (ja) * | 2012-04-17 | 2017-02-15 | キヤノン株式会社 | 画像処理装置及びその処理方法 |
CN103971680B (zh) | 2013-01-24 | 2018-06-05 | 华为终端(东莞)有限公司 | 一种语音识别的方法、装置 |
CN103065631B (zh) | 2013-01-24 | 2015-07-29 | 华为终端有限公司 | 一种语音识别的方法、装置 |
US20140278415A1 (en) * | 2013-03-12 | 2014-09-18 | Motorola Mobility Llc | Voice Recognition Configuration Selector and Method of Operation Therefor |
US9516165B1 (en) * | 2014-03-26 | 2016-12-06 | West Corporation | IVR engagements and upfront background noise |
JP2016038513A (ja) * | 2014-08-08 | 2016-03-22 | 富士通株式会社 | 音声切替装置、音声切替方法及び音声切替用コンピュータプログラム |
CN106033669B (zh) * | 2015-03-18 | 2019-06-07 | 展讯通信(上海)有限公司 | 语音识别方法及装置 |
CN104952450B (zh) * | 2015-05-15 | 2017-11-17 | 百度在线网络技术(北京)有限公司 | 远场识别的处理方法和装置 |
US10418030B2 (en) * | 2016-05-20 | 2019-09-17 | Mitsubishi Electric Corporation | Acoustic model training device, acoustic model training method, voice recognition device, and voice recognition method |
JP6567479B2 (ja) * | 2016-08-31 | 2019-08-28 | 株式会社東芝 | 信号処理装置、信号処理方法およびプログラム |
JP6545419B2 (ja) * | 2017-03-08 | 2019-07-17 | 三菱電機株式会社 | 音響信号処理装置、音響信号処理方法、及びハンズフリー通話装置 |
CN109841227B (zh) * | 2019-03-11 | 2020-10-02 | 南京邮电大学 | 一种基于学习补偿的背景噪声去除方法 |
CN112289325A (zh) * | 2019-07-24 | 2021-01-29 | 华为技术有限公司 | 一种声纹识别方法及装置 |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2780676B2 (ja) * | 1995-06-23 | 1998-07-30 | 日本電気株式会社 | 音声認識装置及び音声認識方法 |
JP3452443B2 (ja) * | 1996-03-25 | 2003-09-29 | 三菱電機株式会社 | 騒音下音声認識装置及び騒音下音声認識方法 |
JPH10161692A (ja) * | 1996-12-03 | 1998-06-19 | Canon Inc | 音声認識装置及び音声認識方法 |
US5970446A (en) * | 1997-11-25 | 1999-10-19 | At&T Corp | Selective noise/channel/coding models and recognizers for automatic speech recognition |
US6188982B1 (en) * | 1997-12-01 | 2001-02-13 | Industrial Technology Research Institute | On-line background noise adaptation of parallel model combination HMM with discriminative learning using weighted HMM for noisy speech recognition |
JPH11296192A (ja) * | 1998-04-10 | 1999-10-29 | Pioneer Electron Corp | 音声認識における音声特徴量の補正方法、音声認識方法、音声認識装置及び音声認識プログラムを記録した記録媒体 |
US6418411B1 (en) * | 1999-03-12 | 2002-07-09 | Texas Instruments Incorporated | Method and system for adaptive speech recognition in a noisy environment |
JP2002073072A (ja) * | 2000-08-31 | 2002-03-12 | Sony Corp | モデル適応装置およびモデル適応方法、記録媒体、並びにパターン認識装置 |
US7216077B1 (en) * | 2000-09-26 | 2007-05-08 | International Business Machines Corporation | Lattice-based unsupervised maximum likelihood linear regression for speaker adaptation |
JP4169921B2 (ja) * | 2000-09-29 | 2008-10-22 | パイオニア株式会社 | 音声認識システム |
US7451085B2 (en) * | 2000-10-13 | 2008-11-11 | At&T Intellectual Property Ii, L.P. | System and method for providing a compensated speech recognition model for speech recognition |
US6876966B1 (en) * | 2000-10-16 | 2005-04-05 | Microsoft Corporation | Pattern recognition training method and apparatus using inserted noise followed by noise reduction |
JP4244514B2 (ja) * | 2000-10-23 | 2009-03-25 | セイコーエプソン株式会社 | 音声認識方法および音声認識装置 |
US6999926B2 (en) * | 2000-11-16 | 2006-02-14 | International Business Machines Corporation | Unsupervised incremental adaptation using maximum likelihood spectral transformation |
US6950796B2 (en) * | 2001-11-05 | 2005-09-27 | Motorola, Inc. | Speech recognition by dynamical noise model adaptation |
JP4061094B2 (ja) * | 2002-03-15 | 2008-03-12 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 音声認識装置、その音声認識方法及びプログラム |
US7139703B2 (en) * | 2002-04-05 | 2006-11-21 | Microsoft Corporation | Method of iterative noise estimation in a recursive framework |
US7103540B2 (en) * | 2002-05-20 | 2006-09-05 | Microsoft Corporation | Method of pattern recognition using noise reduction uncertainty |
US7516071B2 (en) * | 2003-06-30 | 2009-04-07 | International Business Machines Corporation | Method of modeling single-enrollment classes in verification and identification tasks |
US7447630B2 (en) * | 2003-11-26 | 2008-11-04 | Microsoft Corporation | Method and apparatus for multi-sensory speech enhancement |
DE102004008225B4 (de) * | 2004-02-19 | 2006-02-16 | Infineon Technologies Ag | Verfahren und Einrichtung zum Ermitteln von Merkmalsvektoren aus einem Signal zur Mustererkennung, Verfahren und Einrichtung zur Mustererkennung sowie computerlesbare Speichermedien |
US7584097B2 (en) * | 2005-08-03 | 2009-09-01 | Texas Instruments Incorporated | System and method for noisy automatic speech recognition employing joint compensation of additive and convolutive distortions |
JP4316583B2 (ja) * | 2006-04-07 | 2009-08-19 | 株式会社東芝 | 特徴量補正装置、特徴量補正方法および特徴量補正プログラム |
-
2006
- 2006-04-06 JP JP2006105091A patent/JP4245617B2/ja not_active Expired - Fee Related
-
2007
- 2007-03-05 US US11/713,801 patent/US20070276662A1/en not_active Abandoned
- 2007-03-16 CN CNA200710088572XA patent/CN101051461A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
US20070276662A1 (en) | 2007-11-29 |
JP2007279349A (ja) | 2007-10-25 |
CN101051461A (zh) | 2007-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4245617B2 (ja) | 特徴量補正装置、特徴量補正方法および特徴量補正プログラム | |
JP4316583B2 (ja) | 特徴量補正装置、特徴量補正方法および特徴量補正プログラム | |
CN112447191B (zh) | 信号处理装置以及信号处理方法 | |
JP3457431B2 (ja) | 信号識別方法 | |
JP5423670B2 (ja) | 音響モデル学習装置および音声認識装置 | |
JP6234060B2 (ja) | ターゲットドメインの学習用音声データの生成方法、生成装置、および生成プログラム | |
JP6077957B2 (ja) | 音声処理装置、音声処理方法、及び音声処理プログラム | |
JP5242782B2 (ja) | 音声認識方法 | |
CN101460996B (zh) | 增益控制系统和增益控制方法 | |
US20170221479A1 (en) | Noise compensation in speaker-adaptive systems | |
JP2006243290A (ja) | 外乱成分抑圧装置、コンピュータプログラム、及び音声認識システム | |
JP5713818B2 (ja) | 雑音抑圧装置、方法及びプログラム | |
JP5670298B2 (ja) | 雑音抑圧装置、方法及びプログラム | |
JP6027754B2 (ja) | 適応化装置、音声認識装置、およびそのプログラム | |
JP5438704B2 (ja) | 音源パラメータ推定装置と音源分離装置とそれらの方法とプログラム | |
JP5738216B2 (ja) | 特徴量補正パラメータ推定装置、音声認識システム、特徴量補正パラメータ推定方法、音声認識方法及びプログラム | |
JP2014029407A (ja) | 雑音抑圧装置、方法、及びプログラム | |
Han et al. | Switching linear dynamic transducer for stereo data based speech feature mapping | |
JP2008292845A (ja) | 残響除去装置、残響除去方法、残響除去プログラム、および、その記録媒体 | |
JP2006145694A (ja) | 音声認識方法、この方法を実施する装置、プログラムおよびその記録媒体 | |
JP4242320B2 (ja) | 音声認識方法、その装置およびプログラム、その記録媒体 | |
JP5694976B2 (ja) | 分散補正パラメータ推定装置、音声認識システム、分散補正パラメータ推定方法、音声認識方法及びプログラム | |
JP6000094B2 (ja) | 話者適応化装置、話者適応化方法、プログラム | |
JP4517163B2 (ja) | 周波数特性等化装置 | |
WO2016092837A1 (ja) | 音声処理装置、雑音抑圧装置、音声処理方法および記録媒体 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20080327 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20080926 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20081007 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20081126 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20081224 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20090106 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 4245617 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120116 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130116 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130116 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140116 Year of fee payment: 5 |
|
LAPS | Cancellation because of no payment of annual fees |