文献

J-GLOBAL ID：202002252523213398   整理番号：20A2143263

空間擬似スペクトルおよび畳込みニューラルネットワークを用いたロバストな音源計数とDOA推定【JST・京大機械翻訳】

Robust Source Counting and DOA Estimation Using Spatial Pseudo-Spectrum and Convolutional Neural Network

著者 (4件)： Nguyen Thi Ngoc Tho (Department of Electrical and Electronic Engineering, Nanyang Technological University, Singapore, Singapore) ,  Gan Woon-Seng (Department of Electrical and Electronic Engineering, Nanyang Technological University, Singapore, Singapore) ,  Ranjan Rishabh (Department of Electrical and Electronic Engineering, Nanyang Technological University, Singapore, Singapore) ,  Jones Douglas L. (Department of Electrical and Computer Engineering, University of Illinois at Urbana-Champaign, Champaign, IL, USA)
資料名： IEEE/ACM Transactions on Audio, Speech, and Language Processing  (IEEE/ACM Transactions on Audio, Speech, and Language Processing)
巻： 28  ページ： 2626-2637  発行年： 2020年 
JST資料番号： W0508B  ISSN： 2329-9290  CODEN： ITASFA  資料種別： 逐次刊行物 (A)
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： 音源方向推定のための多くの信号処理ベースの方法は,局所最大がソース方向を強く示す空間擬似スペクトルを生成する。異なるレベルのノイズ,残響,および異なる数の重複源により,空間擬似スペクトルが平滑化後でさえ雑音が多い。さらに,ソースの数は未知である。その結果,これらのスペクトルからのピークの選択は誤差に敏感である。畳み込みニューラルネットワークは,一般的および到来方向推定において,多くの画像処理問題にうまく適用されている。さらに,到来方向推定のための深層学習ベースの方法は,異なる環境に対して良好な一般化を示す。オーディオ入力信号から有用な方向性情報を持つ,短時間空間擬似スペクトルから音源の数と到来方向をロバストに推定するために,マルチタスク学習を持つ2D畳込みニューラルネットワークを用いることを提案した。この手法は,音クラスと方向情報間の望ましくない関連を学習するニューラルネットワークの傾向を低減し,ネットワークが音クラスを不調に一般化するのを助ける。シミュレーションと実験結果は,提案した方式がノイズと残響の異なったレベル,および異なる数の源において,他の方向到着推定法より優れていることを示した。Copyright 2020 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： 雑音 ,  残響 ,  *ネットワーク ,  *音響 ,  *音源 ,  *ニューラルネットワーク ,  信号処理 ,  画像処理 ,  *スペクトル ,  平滑化 ,  オーディオ機器 ,  二次元 ,  *ロバスト性 ,  *到来方向推定
準シソーラス用語： 深層学習 , 【Automatic Indexing@JST】

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 (7件)： 擬似 ,  スペクトル ,  畳込みニューラルネットワーク ,  ロバスト ,  音源 ,  計数 ,  DOA推定