2014/10/22

朝6時半起床。規則正しく起きるが、外の明るさのせいかな。
 
引き続き金曜日の講演スライドづくり。シャワーを浴びて、8時半頃朝食。

 
午前前半のセッションはいまいちなので、部屋でスライドづくり。ほとんど完成。
 
10時過ぎに会場に行き、ロビーに座って少し日記を書く。昨日の文の日記はまだ全く手が着いていない。
 
10時半からArray Signal Processingのセッションを聞く。会場には10人ちょっとぐらいの人がいたのだが、年かさの中国人の先生が寄ってきて（実はこの会議のGeneral ChairのYuan先生だった）、私にこのセッションの座長をやれと言う。本当はCASの音響研究所の人だったのだが、今日来ないから代わりを捜してたのだそうだ。そんなんありか。
 
しかたないので急遽座長をやることに。レーダーの話とかわかんねえよ。

Array Signal Processing


DOA Tracking Based on MIMO Rader in Impulsive Noise Background (Harbin Eng U)
レーダーの信号到達方向推定。MIMOレーダーを使った方向推定。既存手法を知らないのでよくわからない。インパルス的ノイズであることが従来のガウシアンノイズと式の上でどう違うのか聞いてみたが、埒があかなかった。
 
Fast DOA Estimation Allgorithm for Noncircular Sources with Central Symmetrical Array (UESTC)
MUSICと似たような方向推定だが、解が解析的に得られるので高速とのこと。詳細はよくわからない。
 
A New Broadband Beamformer with Fixed Feedback Weights (Xidian U)
著者が来られなかったので代読。ビームフォーマのタップ数を減らして計算量を削減するためにフィードバックを入れる。DUANビームフォーマとLaguerreビームフォーマと比較。IIRフィルタの形が少し違うだけのようにも見えるが、なにが効果的なのかよくわからない。性能は従来よりいいようだ。
 
Combining Sum-difference and Auxiliary Beam Adaptive Mono-pulse Algorithm at Subarray Level for Anti-Jamming (Air Force Early Warning Academy)
No Show.
 
The Troposcatter Array Signal Receiving Model and Processing Algorithm (National U of Defence Tech)
バンケットでビールをおごってくれた学生さん(?)が発表。彼も元々の発表者ではないようで棒読み的発表。Troposcatterは、troposhare（対流圏）での電波拡散のことらしい。地上から発射された電波が対流圏で拡散して、離れた位置でのアンテナに捉えられるときの信号のモデル化のような気がする。拡散による移送のずれをアレイ信号処理の時に考慮するということらしい。成層圏による反射は問題にならないのかと聞いてみたが、周波数が数GHzなので成層圏反射はないとのこと。
 
Robust Beamforming Based on Wiener Filter for Circular Sensor Arrays (CAS)
No Show.
 
Moving DS-OTHR Array Reconstruction Algorithm Based on Interpolation (Harbin Inst Tech)
説明音声入りPPTで代読をするはずだったのだが、PPTに音声が入っていなくて発表にならなかった。
 
Direction-of-Arrival and Polarization Estimation Based on Sparse Sensing (Beijing Inst Tech)
この発表者も第１著者でないとのことで、スライドは口頭原稿そのままみたいな感じ。L型に並べたセンサーアレイを使う。縦横に並べたアレイより性能がいいのはともかく、十字型に並べたものよりなぜ性能がいいのかいまいち納得できない。
 
終わって昼食。

 
食べ終わってロビーでメールを書いていたら、さっきのビールおごってくれた人がやってきて挨拶。一緒に写真を撮った。
 
その後、またメールを書いていると、ASUSの人が話しかけてきたのでいろいろ話す。積極的だなあ。PCの集音・再生の話とか。
 
13時半から音声関係のセッションを聞く。
 

Speech Synthesis and Recognition


 
Emarati Speaker Identification (University of Sharjah)
EmaratiというのはUAEの人のことらしい。対象は50人、特徴量はMFCC。特に手法的に新しいことはなく、既存の手法(VQ,GMM,HMM)を評価したようだ。アラビア語と何が違うのかと思ったが、言語的にはUAE特有の言い回しのようなものがあるらしい。テキスト独立の識別ではVQが最も良い性能。
 
Reducing Footprint of Unit Selection TTS System by Removing Linguistic Segments with Rarely Selected Units (U of West Bohemia)
波形接続型音声合成のデータベースサイズ削減策。音声素片について、文/単語/ダイフォンなどの単位に出てくる回数を数え、少ない素片から削減する。どの削減方法がよいかは話者依存。
 
Detecting Driver Fatigue based on Nonlinear Speech Processing and Fuzzy SVM (Beijing Jiaotong U)
No Show.
 
Improvements on Bottleneck Feature for Large Vocabulary Continuous Speech Recognition (U of Sci Tech of China)
DNNを特徴抽出だけに使うシステムで、抽出のためのボトルネックをネットワークの何層目に持ってくるかを検討。また、非線形関数にRectified linearを使う。また、識別学習により性能を上げる。ボトルネックを最後の一歩手前の層にした場合が最も良い（最後の確率計算はGMM）とのことだが、それは最後の非線形をガウス関数にしたDNNじゃないのか。
 
A Modified Speech Enhancenent Algorithm using a Universal Speaker Model (Shanghai Jiao Tong U)
ちょっと油断してたら何言ってんのかよくわからなかった。5分ぐらいで終わった感じ。
 
Accurate Speaker Recognition based on Adaptive Gaussian Mixture Model (Soochow U)
No Show.
 
Deep Neural Network based Speech Separation for Robust Speech Recognition (U of Sci Tech China)
DNNによる信号分離。なんかすごいことをしてるのかと思ったらそれほど工夫もないらしい。DNNの最後の層だけ2つに分ける方法(DNN-2)を提案。また、分離した出力を使って音声認識。
 
Dysarthric Speech Recognition using a Convolutive Bottleneck Network (Kobe U)
有木研。構音障害音声認識にNNを使う。構音障害音声に対しては、特定話者モデルを使うとそこそこ認識できるが、発話によるばらつきが大きい。そこでそれを何とかするためDNNによる前処理を行う。Convolutive NNを使うことで、シフトや変動に頑健な特徴抽出をねらう。適当に次元数を選ぶことでMFCCよりも4ポイントぐらい性能向上。
 
さらに最後のセッション。
 

Speech Synthesis & Recognition,PDE for Image Processing


 
On the Length of the Sentence on Recognition Accuracy (U of West Bohemia)
文の長さと認識制度の関係を調べた。コーパスはチェコ語の電話通話（大語彙、自由発話）と航空管制音声（英語）。大部分は確率的音声認識の基本的な数学的枠組みの話。文の長さNに対して計算したN単語連鎖のエントロピーと、その長さの単語に対する単語正解精度の相関が高い。全体のエントロピーがどうこうと言うより（いずれにしても長い文についてはほとんど意味のある精度の変動はない）、文の最初と最後の単語は間違いやすいという理由（言語モデルがtrigramだから）ということじゃないのかなあ。
 
Speech Enhancement via Sparse Coding with Ideal Binary Mask (Hohai U)
バイナリマスクを使った音声強調とスパースコーディングを組み合わせる。発表が終わった後に「英語わかんないので質問があったらメールしてね」って初めて聞いたな。
 
Speech Blind Signal Separation with FastICA and Markov Chain Combination (Beijing Jiaotong U)
No Show.
 
Comparison of Performance in Chinese Isolated Word Recognition between Normal and Whispered Speech (Suzhou U)
通常音声とささやき音声の認識性能比較。スライドは黒っぽい背景に黒や赤で図を描くという最悪の作り。10数字音声のささやき声について、MFCCのDP距離を計算したところ、同じ数字よりも別な数字同士の距離が短くなる現象が見られた。erとpa、liuとjiuなどが難しい。発表者は学生さんらしくて、発表はうまかったのだが、英語のリスニングは全然で、途中から中国語になっていた。ささやき声で中国語がしゃべれるのか（四声が表現できるか）と質問してみたら、できるらしい（フォルマント周波数の動きで似たようなものが表現できるようだ）。ちなみに発表者ではなく藤崎先生が答えてくださった。
 
A Novel Speaker Verification Approach for a Certain Noisy Environment (Shanghai Jiao Tong U)
雑音環境下での話者照合。Certain noisy environmentって何だよ。基本的にUBM-GMMベースの方法だが、さまざまな雑音に対してUBM-HMMを作っておいて、認識時には雑音を推定し、それにあったUBM-GMMを選んで使う。また、2段階Wiener filterを併用。雑音は8種類、コーパスはTIMIT。SNR=5dBでEERが16%ぐらい。
 
GAC-based Color Image Selective Segmentation under Geometrical Constraints (China U of Petroleum)
No Show.
 
全部終わって16時半ぐらい。まだ明るいのと、夕食をどうしようかと思ったので、部屋に戻ってガイドブックを少し調べてみる。ほとんどの観光地は17〜18時に終わってしまうのだが、街の中心近くに呉山夜市というのがあるらしい。せっかくだから見に行ってみようと言うことで、まずバスで駅まで。

 
駅から地下鉄に乗り換えて龍翔路まで。

 
龍翔路駅の近くに夜市があるはず。最初は方向がわからず、駅の上のビルの回りを20分ほどぐるりと回る。

 
だいたい方角が分かったところで、ガイドブックの地図にあるところに行ってみたのだが、それらしいものはやっていない。ここが呉山路だと思うんだけどなあ。そもそも夜市があるのなら、少し離れたところでも雰囲気がわかるはずだ。

 
それとおぼしきところをさんざん歩いたが、結局夜市はやってなかった。この近くにファッションビル（服飾城）がたくさんあり、中にはアメ横みたいな小さい店がたくさん入っているので、この辺を再開発したのかも。

 
ということで、せっかくこんなところまで来たのに、何もなしか〜。疲れたし腹も減ってきたので、少しゆっくりできるところで何か食べたい。
 
しかしこの辺はファッションビルしかなくて、あまり食堂がない。たまにあるのはフードコートばかり。こんなところまで来てフードコートは侘びしすぎる。

 
龍翔服飾城の中に「龍翔美食城」という看板が。美食城ってどんなんだろうと思って行ってみる。ビルの地下で、路は狭い。

 
行き着いたのはここ。社員食堂か。がっかり。

 
そんなわけで、食べるところを探してまた30分ほどうろうろ。だんだん悲しくなってきた。もうどこでもいいので何か食いたい。
 
メインの通りから1本裏に入ったところに、水槽のある店が何軒かあった。入りにくそうだったが、腹が減っているので、そのうちの一軒に入ってみることにした。金はあるからなんとかなるだろう。

 
とりあえず案内されて席に着いたが、何をどう注文していいのかわからない。メニューもないし。入り口にたくさん料理が積んであるので、バイキングなのかな？

 
それならと思って、その辺に積んである皿を取って料理を取ろうと思ったら、店のおっさんに止められる。どうすればいいんだ。
 
おっさんに連れられていったん外に出ると、外にはメニューがあってそこから選ぶ。とりあえず西湖で採れた草魚の料理を選んで、もう何品か頼もうと思ったら、それはないという。どうするのかと思ったら、店の中においてある料理から選べと言う。よくわからないが、適当に一品頼む。それからビール。

 
後からよく考えてみると、この店のシステムは、

というものだったようだ。つまみ1品と魚だけだとちょっと少ないけど、追加で頼むのも面倒なのでとりあえずそのまま。
 
魚は黒酢あんかけだった。まあまあいけるが、小骨が多い。揚げ煮の方が良かったなあ。

 
食べ終わって、金を払って店を出る。もう疲れたので、タクシーでホテルまで。
 
そんなわけでホテルまで来たが、ちょっと物足りないので、近くの超市で夜食を買う。少し前にネットで見た「革面」を売ってたので買ってみる。その横のは栗饅頭。

 
革面を作るとこんな感じ。麺はひらべったい。味は、何というか八丁味噌みたいな味だった。

 
だらだら食いながら、月曜日のスライドづくり。路半ばにして、夜23時に寝る。
前の日へ 目次へ 次の日へ