文献

J-GLOBAL ID：201502221567544570   整理番号：15A0406331

空間特徴からの予測時間-周波数マスクを用いた遠隔会話分離

Distant speech separation using predicted time-frequency masks from spatial features

著者 (2件)： PERTILAE Pasi (Tampere Univ. of Technol., Dep. of Signal Processing, P.O. Box 553, 33101-FI, FIN) ,  NIKUNEN Joonas (Tampere Univ. of Technol., Dep. of Signal Processing, P.O. Box 553, 33101-FI, FIN)
資料名： Speech Communication  (Speech Communication)
巻： 68  ページ： 97-106  発行年： 2015年04月 
JST資料番号： W1590A  ISSN： 0167-6393  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 会話分離アルゴリズムは不必要なアーチファクトを含むことなく高度の分離を生成するという困難な課題に直面している。時間-周波数(T-F)マスク手法は不必要な成分をフィルタリングするために信号スペクトル上に実数値(またはバイナリ)マスクを適用する。実際の難しさはマスク推定にある。しばしば,分離性能のために工夫した効率的なマスクの使用は分離信号に不必要な音楽ノイズアーチファクトの存在をもたらす。これにより,出力の認知品質と明瞭度が低下する。マイクロフォンアレイは遠隔会話処理に長い間研究されてきた。本論文では,マイクロフォンアレイの空間特徴をT-Fマスクにマッピングするためにフィードフォワード・ニューラルネットワークを用いた。Wienerフィルタを,シミュレーション設定における会話例を用いたニューラルネットワーク学習のための望ましいマスクとして用いた。ニューラルネットワークにより予測されたT-Fマスクは全音源間の干渉に関する情報を活用する強化分離マスクを得るために組み合わされる。このアルゴリズムの客観的分離能力と分離音声明瞭度を,2つの距離からの,2つの部屋における遠隔会話からのレコーディングされた会話でもってテストした。その結果は,複素数値非負行列分解(CNMF)音源分離アプローチ,空間音響源分離,そして,DSBや最小分散歪みなし応答(MVDR)などの従来のビーム形成法,などに比べて,明瞭度と周波数重み付けSNRの機器による測度において改善を示した。Copyright 2015 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *音声処理 ,  *信号処理 ,  周波数解析 ,  周波数 ,  マスキング ,  話者認識 ,  信号弁別 ,  信号解析 ,  フィルタリング ,  アーチファクト ,  音質 ,  明瞭度 ,  音響アレイ ,  マイクロホン ,  ニューラルネットワーク ,  フィードフォワード ,  Wienerフィルタ
準シソーラス用語： フィードフォワードニューラルネットワーク ,  マイクロホンアレイ ,  *音響信号処理 ,  時間周波数解析 ,  信号源分離 ,  話者識別

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

タイトルに関連する用語 (3件)： 予測時間 ,  マスク ,  会話