音声認識特論 Professor Nishi's Lectures

(1)

音声認識特論 ( 第 7 回目 )

2017 年 11 月 17 日西宏之

(2)

( _{ア )}

拡大

有声音声帯の振動数

( _{ア ) らし} さケプストラ

ム

この間

くり返し周波数男： 70~150Hz 女： 150~400Hz

ローパスフィルタで高周波成

分をカット

成分　　２乗

40個程度の棒グラフ状のデータ

（ 40 次元のフィルターバンク）

音の工学の基礎の基礎

電圧

一つ一つの大きさを　　　　で表す

t

f (t)

xi

(3)

処理の流れ

① 学習：５つ ( あ，い，う，え，お ) の標準パターンを作成 ( 各々の　　 ) 　

② 認識１：未知の音　　　　と各標準パターンとの距離を計算する

③ 認識２：距離の最も小さかった標準パターンのカテゴリーを認識結果として出力する．

x

i

y

i

(4)

① 学習

• 周波数特性 ( フィルターバンク出力 )

• 「ア」「イ」「ウ」「エ」「オ」の各々の wav ファイルを読込み，各周波数帯ごとの成分を出力する

• 出力した周波数特性はファイル番号を付したファイル名で格納する．

• 使うプログラムは「 FFT-filter-bank.cpp 」

• 一つのフォルダーに，プログラム，音声ファイル，バッチファイルを置く

(5)

FFT-filter-bank.cpp _{の』使い方}

• _{沢山のオプションあり}

• FFT-filter-bank filename samples_in_window samples_shift bank_number

• 　　　　　　　 1 　　　　　　　 2 　　　　　　　 3 　　　　　　　　　 4

• 実際のプログラム起動はバッチファイルを用いるとよい．

• バッチファイルとは？→拡張子は　「 .bat 」

• _{例えば．．．}

• for %%A IN (*wav) DO FFT-filter-bank %%a 512 256 40

• 　　　　　　　↓↓↓ ↓↓↓ ↓↓↓ ↓↓↓ ↓↓↓ ↓↓↓ ↓↓

↓ ↓↓↓

• 「拡張子 wav を含むすべてのファイルをひとつずつ読み込み， DO 以下のプログラムを起動する」という意味のスクリプトである．

(6)

( _{ア )}

拡大

有声音声帯の振動数

( _{ア ) らし} さケプストラ

ム

この間

くり返し周波数男： 70~150Hz 女： 150~400Hz

ローパスフィルタで高周波成

分をカット

成分　　２乗

40個程度の棒グラフ状のデータ

（ 40 次元のフィルターバンク）

音の工学の基礎の基礎

電圧

一つ一つの大きさを　　　　で表す

t

f (t)

xi

(7)

音声認識特論レポート 1 につ

いて

• 次のような、母音認識プログラムを作成せよ

• 「ア」、「イ」、「ウ」、「エ」、

「オ」の５つの母音をあらかじめ録音し、ケプストラムを求めた結果が下の５つのテキストファイルに納めてある

– 　　 1.txt ：　「ア」 – 　　 2.txt ：　「イ」 – 　　 3.txt ：　「ウ」 – 　　 4.txt ：　「エ」 – 　　 5.txt ：　「オ」

(8)

• ファイルの形式はいずれもテキスト形式で、 40 個の実数データ (float) が入っている。データとデータの間は半角スペースで区切られている。

• 認識したい未知の音声のケプストラムデータは、　 rec.txt 　に上記と同じ形式で書き込まれている。

• _1.txt ～ 5.txt 　と　 rec.txt 　の計６つのファイルを読み込み、 rec.txt が「ア」～「オ」のいずれの母音であるかを認識するプログラムを作成せよ。

• レポート用紙の表面にソースリストを、裏面に実行結果を印刷して提出せよ。

• なお、番号氏名は、ソースリスト中にコメント文で記入せよ。

(9)

〆切： 12 月 1 日 ( 金 ) の 17 時ま

で

• 標準パターンが５つでなく、 100 個くらいあっても構わないようにせよ。

• つまり「数字 .txt 」というファイル名をプログラムで合成し，その名前でファイルを開いて読込むようにすればよい．

• 数値を文字列に変換するには関数「 itoa

() 」が使える．使い方はネットか教科書で調べること．

(10)

② 距離値の計算

• ２つのファイルからフィルターバンクデータを読みだしてその距離値を計算するプログラムを考えよう

(11)

プログラムの骨格

• _FFT フィルターバンクのプログラムをひな形としてよい．

• 次の内容をそのまま転用できる．

– ヘッダーファイルの include – 関数のプロトタイプ宣言

– _wav _{ヘッダ構造体の宣言} – 主な，ローカル変数の宣言

– いらない物を消していけばよい – _{消す方が多いかも}