連続音素認識を利用したときのパワー分布

ここでは、母音の切り出しに連続音素認識を利用したときの パワーの分布を調べた。認識にはHTKを用いた。 HMMの学習条件を表1に示す。

表 1: 音素モデルの学習条件

音響モデル	4状態3ループ混合分布型HMM
混合数	10 混合 full covariance
音響パラメータ	log power + 12次 FFT melcep +
	$\Delta$ log power + 12次 $\Delta$ FFT melcep
学習データ	ATR C セット文発声データ
話者	女性 32名
データ数	1600 文
フレーム長	5ms
フレーム窓長	25ms
sampling 周波数	16KHz

次に学習したHMMを用いてViterbiサーチを行ない母音区間を切り出した。 このときの/a/のパワーの分布を図2に示す。

図 2: 連続音素認識を利用したときの/a/のパワー分布

図2から、連続音素認識をしてもパワーの分布が2つの ピークをもつことがわかる。