複数のマイクロフォンを使用する場合，各マイクロフォンに入力される複数音声の音量の差や，時間差などの情報を利用し，認識を行う．問題点として，複数のマイクロフォンを使用することでコストがかかる点や，マイクロフォンを中心に同角度の場所から，複数の音声が発声された場合に，認識精度が低下する点などが挙げられる．
単一のマイクロフォンを使用する場合，重畳音声を分離する手法やHMM合成法を 用いた手法がある．重畳音声を分離する手法は，重畳音声に対し，音源のモデル として相関関数を用いた重畳音声分解法が提案され，重畳音声を複数の孤立単語 音声に分解する性能に関して有効性が示されている．問題点として，重畳音声を 複数の孤立単語音声に分解する性能のみが評価されており，重畳音声を分解した 後の，音声に対する認識精度は評価されていないことが挙げられる．HMM合成法 を用いた手法では，音声が重畳している部分において，重畳音声を認識対象の音 声と妨害音声が重畳されていると考え，認識対象の音声と妨害音声を合成HMMを 用いて表現し認識を行う．問題点として，重畳音声の認識対象音声だけのみの認 識精度しか調査されていないことが挙げられる．
本研究では，クロストーク音声の両方の音声を認識対象として， 単一のマイクロフォンを用いた状況を想定する．