文献

J-GLOBAL ID：201902224790346309   整理番号：19A1116382

空間-時間音圧分布画像と機械学習を用いた音源分離【JST・京大機械翻訳】

Sound Source Separation Using Spatio-temporal Sound Pressure Distribution Images and Machine Learning

著者 (3件)： Ozawa Kenji (Department of Computer Science and Engineering, University of Yamanashi, Kofu, Yamanashi, Japan) ,  Shiozawa Koichiro (Research & Development Dept, Alpine Electronics, Inc., Iwaki, Fukushima, 970-1192, Japan) ,  Ise Tomohiko (Research & Development Dept, Alpine Electronics, Inc., Iwaki, Fukushima, 970-1192, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： AICAI  ページ： 54-60  発行年： 2019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： マイクロホンアレイを用いた音源分離(SSS)は,雑音環境におけるターゲット音声の記録のような様々な状況において有効である。先に,微分型アレイと時間遅れニューラルネットワーク(NN)を用いたSSSシステムを提案した。微分型アレイの利点は,NNの非線形特性によるターゲット音声の歪が防止されたことであった。しかし,このシステムは狭帯域信号に対してのみ有効であった。広帯域信号(音声のような)に対して,新しいSSSシステムを提案し,次の二つの領域において以前のものを拡張した。最初に,NNへの入力を,マイクロホン出力に基づいて形成される音圧分布画像に拡張した。第二に,NNの層数は増加した。計算機シミュレーションにより,提案したシステムが従来のアレイよりも高いSSS性能を示すことを明らかにした。Copyright 2019 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： 計算機シミュレーション ,  マイクロホン ,  微分 ,  *機械学習 ,  *画像
準シソーラス用語： 雑音環境 ,  マイクロホンアレイ ,  *音源分離 ,  *音圧分布 , 【Automatic Indexing@JST】

分類 (2件)： 音声処理  (JE05000E) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 音圧分布 ,  機械学習 ,  音源分離