文献

J-GLOBAL ID：201802215275570642   整理番号：18A1771797

深層学習に基づく音声ビーム成形【JST・京大機械翻訳】

Deep Learning Based Speech Beamforming

著者 (6件)： Qian Kaizhi (University of Illinois at Urbana-Champaign, USA) ,  Zhang Yang (IBM T. J. Watson Research Center, USA) ,  Chang Shiyu (IBM T. J. Watson Research Center, USA) ,  Yang Xuesong (University of Illinois at Urbana-Champaign, USA) ,  Florencio Dinei (Microsoft Research, USA) ,  Hasegawa-Johnson Mark (University of Illinois at Urbana-Champaign, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICASSP  ページ： 5389-5393  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： アドホックセンサによる多チャネル音声強調は挑戦課題である。音声モデル誘導ビーム成形アルゴリズムは自然の音声を復元することができるが,音声モデルは過剰に簡素化される傾向があり,推論は複雑すぎることがある。他方,深い学習に基づく強化手法は複雑な音声分布を学習し,効率的な推論を行うことができるが,それらは入力チャネルの可変数を扱うことができない。また,深い学習アプローチは,多くの誤差,特に非見られる雑音タイプと設定の存在において,多くの誤差を導入する。したがって,2つの相補的アルゴリズムを組み合わせたDEEPBEAMと呼ばれる強化フレームワークを提案した。DEEPBEAMは,自然観測音声を生成するためのビーム成形フィルタを導入するが,フィルタ係数は,モノラル音声強調ニューラルネットワークの助けを借りて決定される。合成と実世界のデータに関する実験は,Deepビームがクリーンで,乾燥で自然な音声を生成することができて,見えないノイズに対してロバストであることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  雑音 ,  フィルタ ,  *学習 ,  簡素化 ,  ニューラルネットワーク ,  単耳聴 ,  センサ ,  チャネル ,  音声強調 ,  ロバスト性 ,  *ビーム成形
準シソーラス用語： マルチチャネル ,  音響モデル ,  *深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 深層学習 ,  音声 ,  ビーム成形