AA AAAA
5.3 ASR 雑音除去フロント エンド のための客観的評価尺度
表 5.1: LPC-SED 値算出のための LPC分析条件 分析パラメータ 設定値
サンプ リング周波数 12 kHz フレーム長 21.3 msec フレーム周期 5.3 msec
窓関数 hamming 窓
LPC次数 16
プ リエンファシス 0.98
により計算される歪み量の全音声区間での平均値と定める。ここで、評価の上限周波数N は、対象信号が音声であることから、音声の明瞭性のみならず個人性、自然性まで考慮し て 6 kHz とする[59]。
LPC-SED 値を計算するために、提案法は、雑音除去処理後に音声の振幅スペクトルと
受音信号の位相スペクトルを用い、逆 Fourier変換により一旦時間領域へ変換した信号を 作成する。これは、ASRで通常用いられている分析条件を考慮し、雑音除去処理の分析条 件(表4.1)とは異なる分析条件(表5.1)で評価を行うためである。また、LPC-SEDにユー クリッド 距離を用いた理由は、ユークリッド 距離が距離尺度の対称性、正値性を満たすこ とができ、音声認識の距離尺度として利用価値が高いためである[59]。
なお、LPC-SED は、Parseval の定理より理論上は LPC ケプストラム距離(Cepstrum
Distance; CD) と等価である[62]。CD は符号化電話音声の品質評価に用いられているが
[59]、LPC-SED は雑音除去アルゴリズムのASRのフロントエンド としての有効性を調査
することを目的とする。
客観的評価尺度 SNR、SD、LPC-SEDの関係について考える。SNR は、時間波形に対 して評価を行なうために位相も考慮した評価尺度である。SD は、対数振幅スペクトルに対 して評価を行なうため、位相に関しては全く考慮していない。本節で定義した LPC-SED は、LPC 対数スペクトル包絡を用いて歪み量を計算するため、SD では考慮する振幅スペ
クトルの微細変動成分を無視したものである。また、LPC対数スペクトル包絡は、スペク トルの山形部分を重視して推定されるため[59]、SD の計算に用いる FFTにより計算され たスペクトルに含まれるスペクトル包絡情報とは若干異なるものである。
5.3.3
客観的評価尺度
LPC-SEDの妥当性検証
本節では、音声認識実験により、前節で定義した LPC-SEDによる評価値が認識率をあ る程度反映しているのかを調査する。雑音による歪み量を表すLPC-SED 値が大きくなる と認識率が低下し、LPC-SED 値が小さくなると認識率が向上するという傾向を確認でき れば、客観的評価尺度LPC-SEDは音声認識率をある程度は反映できると言える。音声認 識率は、実験条件や実験データに大きく依存するため、客観評価値により認識率を厳密に 予測することは不可能である。仮に、ある条件下で認識率を正確に予測できるような評価 尺度を作成しても、実験条件や実験データが異なると再度評価尺度を作成する必要がある。
従って、LPC-SED 値が、音声認識率を厳密に予測できるか否かではなく、ある程度反映
しているか否かについて検討する。つまり、評価尺度LPC-SED は、評価値の大小に対し ての順序は保障されている必要があるが、評価値の等間隔性まで保障する必要はない序数 尺度[63] の条件を満たしていれば十分である。
目的：
本実験の目的は、ASR 雑音除去フロントエンド を評価するための客観的歪み評価尺度
LPC-SED の序数尺度としての妥当性を検証することである。
実験手法：
第 5.2 節の音声認識実験に用いた雑音を付加あるいは除去した音声に対してLPC-SED 値を計算し、認識率とLPC-SED 値との関係について検討する。
20 15 10 5 0 0
5 10 15 20
SNR [dB]
LPC − SED [dB]
図 5.3: SNR と LPC-SED 値との関係 (点線は雑音付加音声、鎖線は遅延和アレーによる
雑音除去音声、実線は提案法による雑音除去音声) 実験結果：
各 SNR の雑音付加音声、遅延和アレーによる雑音除去音声、提案法による雑音除去音 声に対して計算したLPC-SED値を図 5.3 に示す。図5.3 において、点線は雑音付加音声、
鎖線は遅延和アレーによる雑音除去音声、実線は提案法による雑音除去音声の各 216 単語 に対して計算した LPC-SED値の平均値、エラーバーはそれぞれの標準偏差を表す。
考察：
SNR 値と音韻認識率との関係(図 5.1) と、SNR 値とLPC-SED 値との関係(図 5.3) よ り、図 5.4 に示すような LPC-SED 値と音韻認識率との関係が得られる。図5.4 における 点線は、各データに対し、最小自乗誤差法[64]によりフィッティングした 2次曲線である。
図 5.4 より、客観的歪み評価尺度 LPC-SEDは、大局的に見ると序数尺度の条件を満たし ており、雑音除去アルゴリズムの ASR のフロントエンド としての有効性を評価するため の尺度として妥当であると言える。
0 2 4 6 8 10 12 14 50
60 70 80 90 100
LPC−SED [dB]
Recognition Rates [%]
図 5.4: LPC-SED値と音韻認識率との関係