文献

J-GLOBAL ID：201902288825544899   整理番号：19A0418931

独立低ランクテンソル分析:非負値性・低ランク性・独立性に基づくブラインド音源分離の統一理論

著者 (8件)： 吉井和佳 (京大 大学院情報学研究科) ,  吉井和佳 (理研 革新知能統合研究セ) ,  佐藤寛之 (京大 白眉セ) ,  佐藤寛之 (京大 大学院情報学研究科) ,  坂東宜昭 (京大 大学院情報学研究科) ,  坂東宜昭 (産業技術総合研 知能システム研究部門) ,  中村栄太 (京大 大学院情報学研究科) ,  河原達也 (京大 大学院情報学研究科)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 118  号： 284(IBISML2018 44-104)(Web)  ページ： 37-44 (WEB ONLY)  発行年： 2018年10月29日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 本稿では,単一・複数チャネル音響信号に対する非負値性・独立性・低ランク性に基づくブラインド音源分離(BSS)の統一理論について述べる。BSSの目標は,離散フーリエ変換(DFT)で得られる混合音の複素スペクトログラムを,独立な音源スペクトログラムの和に分解することである。従来は,時間周波数ビン間の独立性を仮定することが一般的であったが,最近,ビン間の相関を考慮した手法が着目されている。例えば,単一チャネルBSSでは,音源パワースペクトル密度の非負値性と低ランク性に基づく非負値行列分解(NMF)が代表的であるが,周波数共分散と時間共分散を一挙に扱える究極の拡張として相関テンソル分解(CTF)が提案されている。一方,複数チャネルBSSでは,空間共分散を扱える複数チャネルNMF(MNMF)が提案されており,複数軸の共分散を同時に取り扱えるCTFの一種とみることができる。このとき,空間共分散行列が同時対角化可能であるという制約を課すことで,独立成分分析(ICA)や独立ベクトル分析(IVA)と同様に,空間軸の線形変換(分離フィルタ)の推定を行う手法が提案されている。本研究では,制約なしの共分散行列を考えるCTFに対し,各軸の共分散行列が同時対角化可能であるという制約を課した独立低ランクテンソル分析(ILRTA)を提案し,収束保証つきの推定法を導出する。ILRTAは,各軸を無相関化する線形変換を一挙に求めると同時に,全てのビンが無相関となる変換後の領域でNMFを実行する手法であり,CTFあるいはILRTAの特殊形として従来のBSS手法を統一的に説明することができる。これは,非定常信号の性質に応じて,DFTより適切な変換を見つけることを意味し,変換学習との関連が明らかになる。(著者抄録)

シソーラス用語： 音波信号 ,  *信号解析 ,  分解 ,  行列 ,  因数分解 ,  *テンソル解析 ,  *信号処理 ,  音源 ,  分離 ,  音声認識
準シソーラス用語： *ブラインド音源分離 ,  音響信号 ,  *音響信号解析 ,  音源分離 ,  行列因数分解 ,  行列分解 ,  *相関テンソル分解 ,  *独立低ランクテンソル分析 ,  非負値行列 ,  非負値行列分解 ,  複数チャネル音響信号

分類 (3件)： パターン認識  (JE07000S) ,  音声処理  (JE05000E) ,  音響信号処理  (BB03050C)

引用文献 (33件)：

• D. Stowell, D. Giannoulis, E. Benetos, M. Lagrange, and M.D. Plumbley, “Detection and classification of acoustic scenes and events,” IEEE Transactions on Multimedia, vol.17, no.10, pp.1733-1746, 2015.
• J. Barker, R. Marxer, E. Vincent, and S. Watanabe, “The third ‘CHiME’ speech separation and recognition challenge: Dataset, task and baselines,” IEEE Workshop on Automatic Speech Recognition and Understanding (ASRU), pp.504-511, 2015.
• E. Benetos, S. Dixon, D. Giannoulis, H. Kirchhoff, and A. Klapuri, “Automatic music transcription: Challenges and future directions,” Journal of Intelligent Information Systems, vol.41, no.3, pp.407-434, 2013.
• D. Lee and H. Seung, “Algorithms for non-negative matrix factorization,” Neural Information Processing Systems (NIPS), pp.556-562, 2000.
• C. Févotte, N. Bertin, and J.-L. Durrieu, “Nonnegative matrix factorization with the Itakura-Saito divergence: With application to music analysis,” Neural Computation, vol.21, no.3, pp.793-830, 2009.

タイトルに関連する用語 (4件)： テンソル ,  分析 ,  ブラインド音源分離 ,  理論