問題 No.2741
音声認識システムにおいて、人間の聴覚特性に合わせて周波数の解像度を対数的に変換し、低周波領域では細かく高周波領域では粗く表現することで音響特徴量の精度を向上させる尺度として最も適切なものはどれか。
【正解の解説】
メル尺度
人間は低い音の違いには敏感ですが、高い音の違いには鈍感という特性を持っています。これは、定規の目盛りが等間隔ではなく、人間にとっての「音の感じ方の階段」に合わせて、低い方は細かく、高い方は大雑把に区切られているようなものです。音声認識において人間の耳と同じ感度を再現するために、このメル尺度が欠かせないのです。
スポンサーリンク
【その他の選択肢の解説】
バーク尺度
バーク尺度も人間の聴覚特性に着目した尺度ですが、こちらは音が混ざり合って聞こえなくなる「臨界帯域」を基準に作られています。メル尺度がピッチ（音の高さ）の主観的な知覚を広く捉えるのに対し、バーク尺度は周波数マスキング現象などを分析する際に使われ、用途や区切りの計算式が異なるため試験での混同に注意が必要です。
ケプストラム尺度
ケプストラムは音の波形から声の「声道特性（音色）」と「声帯の振動（ピッチ）」を分離するための数学的な手法であり、尺度そのものの名前ではありません。メル尺度で変換した後にケプストラム分析を適用することで、よく知られる「MFCC（メル周波数ケプストラム係数）」という音声認識の最強の武器が生まれます。
パーセヴァル尺度
パーセヴァルの定理はフーリエ解析におけるエネルギー保存則であり、人間の聴覚特性や音声認識の尺度とは全く関係ありません。試験問題の選択肢として、音響処理の専門用語の中に紛れ込ませただけの単なる数学的な引っ掛け用語なので、人間の耳の話が出てきた時点で除外できるようにしましょう。