文献

J-GLOBAL ID：201802227684981000   整理番号：18A0732262

音声強調のための深層ニューラルネットワーク構造の検討

A Study on Structure of Deep Neural Network for Speech Enhancement

著者 (2件)： 杉浦陽介 (埼玉大) ,  島村徹也 (埼玉大)
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： 117  号： 516(SIP2017 111-184)  ページ： 379-384  発行年： 2018年03月12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,音声強調に向けた深層ニューラルネットワークの構造を検討する。音声強調においては,無音区間での雑音の抑制,有音区間におけるスペクトル包絡の保持が大きな課題となる。しかし特徴量である振幅スペクトルのもつ大きなばらつきと,また回帰問題の複雑性からネットワークがアンダーフィッティングして音質が劣化していた。そこで本稿では,音声強調におけるスペクトルゲイン関数を最適化する変数として扱うことで解空間を制約し問題の複雑性を緩和する。加えて,音声スペクトルの分布に基づき損失関数を適切に設計することで,音声強調性能の向上を試みる。(著者抄録)

シソーラス用語： *ニューラルネットワーク ,  *機械学習 ,  雑音発生防止 ,  エンベロープ ,  特徴抽出 ,  スペクトル ,  最適化手法 ,  *音声強調
準シソーラス用語： スペクトル包絡 ,  雑音抑制 ,  振幅スペクトル ,  *深層ニューラルネットワーク

分類 (1件)： 音声処理  (JE05000E)

引用文献 (21件)：

• P. Vincent, H. Larochelle, Y. Bengio, and P. Manzagol, ′′Extracting and composing robust features with denoising autoencoders,′′ Proc. ICML 2008, pp.1096-1103, 2008.
• T. Ishii, H. Komiyama, T. Shinozaki, Y. Horiuchi, and S. Kuroiwa, ′′Reverberant speech recognition based on denoising autoencoder,′′ Proc. INTERSPEECH 2013, pp.3512-3516, 2013.
• R. Xia, J. Deng, B. Schkuller, and Y. Liu, ′′Speech feature denoising and dereverberation via deep autoencoders for noisy reverberant speech recognition,′′ Proc. ICCASP 2014, pp.990-994, 2014.
• Y. Ephraim and D. Malah, ′′Speech enhancement using a minimum mean-square error log-spectral amplitude estimator,′′ IEEE Trans. on Acoust. Speech and Signal Process., Vol.33, No.2, pp.443-445, 1985.
• T. Lotter and P. Vary, ′′Noise reduction by joint maximum a posteriori spectral amplitude and phase estimation with super-gaussian speech modeling,′′ Proc. EUSIPCO 2014, pp.1447-1460, 2004.

タイトルに関連する用語 (2件)： 音声強調 ,  深層ニューラルネットワーク