分频式调变频谱分解於强健性语音辨识Sub.pdf

Proceedings of the Twenty-Fifth Conference on Computational Linguistics and Speech Processing (ROCLING 2013) 分頻式調變頻譜分解於強健性語音辨識 Sub-band modulation spectrum factorization in robust speech recognition 范顥騰 Hao-teng Fan 國立暨南國際大學電機工程學系 Department of Electrical Engineering National Chi Nan University .tw 蔡益彰 Yi-zhang Cai 國立暨南國際大學電機工程學系 Department of Electrical Engineering National Chi Nan University .tw 洪志偉 Jeih-weih Hung 國立暨南國際大學電機工程學系 Department of Electrical Engineering National Chi Nan University jwhung@.tw 摘要 在本篇論文中，我們使用了非負矩陣分解(nonnegative matrix factorization, NMF)技術來 強化語音特徵調變頻譜、藉此提升自動語音辨識系統之雜訊強健性，其中，NMF 法為 語音之調變頻譜的強度求取一組基底向量，而我們藉由此組基底向量來擷取語音中重要 的辨識成分，跟以往基於 NMF 之強健技術不同之處在於兩點：其一，我們利用了正交 投影(orthogonal projection)的方式取代原先的迭代方式，使運算速度大幅增加。其二， 我們採取分頻帶分解的方式取代原先全頻帶分解，藉此減少計算量。在 Aurora-2 之連 續數字資料庫之辨識實驗顯示，上述的新方法相對於基礎實驗而言，能有效提升雜訊環 境下語音辨識的精確度，可提供高達 58%的相對錯誤改善率，而跟原 NMF 法相較，新 方法運算複雜度明顯降低，而能維持原辨識精確度、部分甚至有提升的效果。 Abstract This paper proposes a novel scheme that enhance the modulation spectrum of speech features in noise speech recognition via non-negative matrix factorization (NMF). In the presented approach, we apply NMF to obtain a set of non-negative basis spectra vectors which derived from the clean speech to represent the important components for speech recognition. The difference compare