7/9（水）

Language and Speech Processing: Speech Compression and Coding

• Eigenspace Estimation with Missing Values and Its Application to Eigenvoice Adaptation for Speech Recognition (Tsinghua University)
  各音素の平均ベクトルを合わせて1つのスーパーベクトルとしてPCAを行う方法なのだが，観測データにある音素が含まれていない場合には，その音素に対応 する次元が欠損値となる．そのように，各データの次元に欠けがあるときに固有空間を推定する手法．枠組みは面白そうだ．

Language and Speech Processing: Voice and Speaker Recognition

• Measured and Theoretocal Performance Comparison of A Co-Centred Rigid and Open Spherical Microphone Array (University of Sydney)
  球形マイクロホンアレイの外側に球形の籠みたいなものをつけ，そこにもマイクロホンアレイをつける．同じ点を中心に，二重の球形マイクロホンアレイができ ることになる．半径が異なるので，低い周波数の収録には外側のアレイ，低い周波数には内側のアレイを使い分ける．
  
• An SIPCA-WCCN Method for SVM-based Speaker Verification System (Univ. of Science and Technology of China)
  Session-Invariant PCA (SIPCA)というものを使うようだが，詳細は追えなかった．
  
• State-based Bilingual Model Modification for Nonnative Speech Recognition (CAS)
  Non-Nativeのための音声認識(中国語話者による英語)．Confusion matrixに基づき，ある英語音響モデルの各状態に対応する中国語音響モデルの状態をいくつか求め，その平均ベクトルを重み付き平均するという方法らし い．非母語話者の発話に関する参考文献がいくつか挙がっていたのが参考になる．(O.-S. Bohn & J. E. Frege, "The production of new and similar vowels by adult German learners of English", Stud. Second Language Aquisition, 14, 131-158, 1992)
  
• A Hybrid Approach for Chinese Pronunciation-Translated Person Names Recognition (Nankai University)
  新聞記事から，中国語で表記された外国人の人名部分を識別する．手法はCRFとSVM．識別手法によって誤認識傾向が異なるとのこと．
  
• An Improved HMM Speech Recognition Model (Jianxi University of Finance and Economics)
  No Show.
• Simplified Factor Analysis in Speaker Verification (Univ. of Science and Technology of China)
  話者照合にJoint Factor Analysisというものを使う．基本的にGMMベースだが，GMMのパラメータをspeaker, diagonal, channelの3つの要素に分ける(JFA)．計算を簡略化するため，channel space だけを使う．JFAの原理についてあまり詳しい話がなかったので，あまり理解できなかった．

Language and Speech Processing: Noise Reduction and Speech Enhancement

• An Unsupervised Language Model Adaptation Based on Keyword Clustering And Query Availability (Tohoku University)
  私の発表．いまいちセッションの趣旨と合ってないのは私のせいではない．「キーワードが含まれていないページも使うことが可能なのか？」という質問を受け たが，サーチエンジンを使っているのでそれに依存すると答えた．
  
• Auditory Temporal Processing of Preschool-age Children with Typical Development and Phonological Disorder (The Univ. of Texas at Austin)
  音韻の発音がうまくできない(Phonological Disorder)子供たちは，聴覚のうち動的特徴を認識する能力が劣っているという話．AM変調ノイズの聞きとりは健常者と変わらないが，ノイズの ギャップの聞きとり，/p/-/b/の聞きとり成績は健常者より低い．発表もわかりやすく，面白かった．
  
• Speech Enhancement Based on a Combined Spectral Subtraction with Spectral Estimation in Various Noise Environment (Hebei University of Technology)
  No Show.
  
• An Investigation on Speaker Vector-based Speaker Identification under Noisy Environment (Yamagata University)
  話者ベクトルを使った話者認識の耐雑音性能の調査．Phonetically Structured GMMを使うことで性能が上がる．発表の学生さんがうまく質問に答えられなくて，ちょっとかわいそうだったかも．
  
• Syllable-based Automatic Arabic Speech Recognition in Noisy Environment (Alexandria Higher Institute of Engineering)
  音節ベースのアラビア語の認識．triphoneよりも良い性能が出たそうな．雑音抑圧にEphreim-Mallah filterというものを使用．日本語のように音節でモデル化した方が有利なのかと思ったら，アラビア語の音節構造は複雑で，今回は出現した音節しかモデ ル化していないとのこと．
  
• Acoustic feedback reduction baseed on FIR and IIR adaptive filtered in ITE digital hearing aids (Universidad de Alcala)
  補聴器のエコーキャンセルのため，適応FIR/IIRフィルタを使ったという話．新しいのか？
  
• A Soft-supression Approach for Speech Enhancement under a Deterministic Noise Model (Xidian University)
  ELIN(Externally Linear Internally Nonlinear)システムを使った音声強調．骨導音声を使ってVADを行い，Empirical Mode Decompositionを使って雑音スペクトルの推定を行う．詳細についてはよく理解できなかった．
  
• The Application of Discriminative Training Techniques in LID System Fusion (Tsinghua University)
  精華大学による一連の言語認識の発表の一つ．複数の言語認識システムの出力値をベクトルとして，ＬＤＡで圧縮したあと，識別学習したGMMで認識する． SVMではだめなんだろうか．
  
• First-Order Different Microphone Array for Robust Speech Enhancement (Tsinghua University)
  2つのマイクロホンで目的音声を消去し，それを雑音信号として適応信号処理で雑音を抑圧．2ch SSの適応フィルタ版．2ch SSと比べてどうなの？と質問してみたが，発表者は同様の方法があるのを知らなかったようだ．