文献

J-GLOBAL ID：201702271515826398   整理番号：17A1508225

多重時間スケール聴覚特徴を用いた推定の組合せとしての非侵入型音声品質評価【Powered by NICT】

Non-intrusive speech quality estimation as combination of estimates using multiple time-scale auditory features

著者 (2件)： Dubey Rajesh Kumar (Department of Electronics & Communication Engg., Jaypee Institute of Information Technology, Noida (UP)-201307, India) ,  Kumar Arun (Centre for Applied Research in Electronics, Indian Institute of Technology, Delhi, Hauz Khas, New Delhi-110016, India)
資料名： Digital Signal Processing  (Digital Signal Processing)
巻： 70  ページ： 114-124  発行年： 2017年 
JST資料番号： W1600A  ISSN： 1051-2004  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： 人間の聴覚系が異なる帯域幅のフィルタバンクを用いたか牛の異なるチャネルにおける音声音エネルギーの分布を表す異なる聴覚モデルによりモデル化した。非侵入型音声品質評価の従来のアルゴリズムでは,聴覚特徴により,フレーム基底を当たり,全音声発話で平均に及ぼすこれら聴覚モデルを用いて決定した。これらの方法では,インパルス雑音と他の非定常雑音効果の影響を発話で平均した得た。音声発話における経時的な音声の特徴の変化を含めるために,多重時間スケール特徴アプローチ,音声特徴を音声発話で雑音特性の変化を考慮したフレームからフレームに向けて変化するとして提案されている,その品質マッピングに影響を及ぼす。本研究では,非侵入型音声品質評価は,客観的平均オピニオンスコア(MOS)と呼ばれる品質マッピングの最適線形結合特徴の多重時間スケール推定を用いて計算として行われてきた。多重時間スケール推定の各(多重活性音声の組合せ)の目的MOSは確率論的アプローチを用いて得られた。音声発話の全体的な目的MOSは,特徴の多重時間スケール推定を用いて推定目的MOSの最適線形結合を用いて計算した,最適性は,最小平均二乗誤差(MMSE)基準または相関最大化基準に基づいている。結果はPearsonの相関係数と三種類の標準データベースの自然性(主観MOS)と推定された全体的な目的MOS間の二乗平均平方根誤差(RMSE)を用いて与えた。結果は,単一時間スケールスケール特徴アプローチ,ITU-T勧告P.563と最近のアルゴリズムと比較した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： フィルタバンク ,  発話 ,  *多重化 ,  データベース ,  雑音特性 ,  モデリング ,  チャネル ,  *聴覚 ,  *品質 ,  アルゴリズム ,  帯域幅 ,  *音響
準シソーラス用語： 最小平均二乗誤差 ,  聴覚モデル ,  *音声品質 , 【Automatic Indexing@JST】

著者キーワード (5件)： 非侵襲 ,  音声品質 ,  多重時間スケール特徴 ,  聴覚モデル ,  劣化音声

分類 (2件)： パターン認識  (JE07000S) ,  音声処理  (JE05000E)

タイトルに関連する用語 (8件)： 多重 ,  時間スケール ,  聴覚 ,  推定 ,  組合せ ,  侵入 ,  音声品質 ,  評価