文献

J-GLOBAL ID：202202243421911243   整理番号：22A2642790

アンサンブル時間周波数マスクとビームフォーミングを組み合わせた音声強調手法の評価

Evaluation of a Speech Enhancement Method Combining Ensemble Time-Frequency Masking and Beamforming

著者 (5件)： 藤田雅彦 (東京工業大学工学院システム制御系) ,  糸山克寿 (東京工業大学工学院システム制御系) ,  糸山克寿 ((株)ホンダ・リサーチ・インスティチュート・ジャパン) ,  西田健次 (東京工業大学工学院システム制御系) ,  中臺一博 (東京工業大学工学院システム制御系)
資料名： 日本ロボット学会誌  (ロボ學)
巻： 40  号： 7  ページ： 631-634(J-STAGE)  発行年： 2022年 
JST資料番号： Y0482A  ISSN： 0289-1824  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 深層学習の進歩により,自動音声認識の認識性能は大きく向上した。一方,環境雑音が厳しい場合には,単語や発話箇所の誤検出が増え,認識精度の劣化の問題が残っている。この問題を解決するため,雑音を抑制し目的の音声のみを強調する手法,すなわち音声強調が数多く提案されている。ほとんどの場合,音声強調では,音源に関するいくつかの仮定を必要とする。さらに,従来の音声強調手法は,単一モデルまたはネットワークを用いて音声を強調するため,入力信号の鍵となる特徴を十分に活かしきれていない。本稿では,アンサンブル時間周波数マスクを用いたビームフォーミングに基づく音声強調手法について報告する。アンサンブル時間周波数マスクは,複数の音声強調手法から複数の時間周波数マスクを推定し,統合することにより生成される。複数の手法から推定された時間周波数マスクを使用することで,処理のロバスト性の向上が期待できる。著者らは,人間の聴感と相関させたPESQとSTOIを用いてCHiME-3 dataset上で提案手法を評価した。両評価指標において,提案手法はアンサンブルなしの手法より優れており,提案手法の有効性を示している。さらに,著者らは,提案手法のアンサンブル手法について検証実験を行った。(翻訳著者抄録)

シソーラス用語： *音声強調 ,  性能評価 ,  重みづけ ,  マスキング ,  フィルタリング ,  ビーム成形 ,  信号合成 ,  音響特性 ,  フィルタ
準シソーラス用語： 時間周波数マスク

著者キーワード (4件)： 音声強調 ,  時間-周波数マスク ,  アンサンブル ,  ビーム成形

分類 (2件)： 音声処理  (JE05000E) ,  音響信号処理  (BB03050C)

引用文献 (19件)：

• 1) K. Wilson, et al.: “Speech denoising using nonnegative matrix factorization with priors,” IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), pp.4029-4032, 2008.
• 2) P. Comon: “Independent component analysis, a new concept?,” Signal Processing, vol.36, no.3, pp.287-314, 1994.
• 3) K. Shimada, et al.: “Unsupervised beamforming based on multichannel nonnegative matrix factorization for noisy speech recognition,” IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), pp.5734-5738, 2018.
• 4) Y. Xu and J. Du: “Dynamic noise aware training for speech enhancement based on deep neural networks,” Interspeech, pp.2670-2674, 2014.
• 5) B. Veen and K. Buckley: “Beamforming: A versatile approach to spatial filtering,” IEEE ASSP magazine, vol.5, no.2, pp.4-24, 1988.

タイトルに関連する用語 (7件)： アンサンブル ,  時間周波数 ,  マスク ,  ビームフォーミング ,  音声強調 ,  手法 ,  評価