| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2012-12-21 14:40 特徴量領域音源分離のためのクロススペクトル抑圧 ○安藤厚志（名大）・丹羽健太（NTT）・北岡教英・武田一哉（名大）  SP2012-93 |
|
| 抄録 | （和） | 複数人同時発話の音声認識には，音源分離技術が不可欠である．しかし従来の音源分離技術，特にブラインド音源分離技術は分離フィルタの更新学習を行うため，計算コストが大きいことが課題であった．そこで我々は，音声認識の特徴量領域で音源分離を行うことで，更新学習が必要な分離フィルタの数を減少させ，計算量の削減を図ろうと考えた．そのためには，特徴量領域で音源と観測信号との間に線形性が成立する必要がある．本稿では，音源と観測信号との間に線形性を成立させるための，クロススペクトルの抑圧法を提案する．提案法では，複数のマイクロホンで観測したパワースペクトルを平均化することで，クロススペクトルの抑圧を図る．提案法の結果，クロススペクトルの抑圧が確認され，提案法を用いてクロススペクトルを抑圧することで音源分離における分離信号のケプストラム歪が改善されることが示された． |
| （英） | Speech source separation is utilized for recognition of simultaneous speech. Conventional source separation methods, especially blind source separation, have a huge computational cost because they require iterative learning steps to estimate separation filters. We therefore try to separate sounds in the feature domain, and the features are then used as inputs for speech recognition, in order to reduce the number of estimated separation filters. For this purpose, linearity between sources and recorded signals is needed in the domain. In this paper, we propose a cross spectrum reduction method between sources to approximate linearity. We prove that taking the average of the power spectra over multiple microphones can reduce the cross spectrum. Experimental results showed that the proposed method could reduce the cross spectrum, and that cepstrum distortions of separated signals were also improved. | |
| キーワード | （和） | 音源分離 / 音声認識 / フィルタバンク出力 / クロススペクトル / / / / |
| （英） | source separation / speech recognition / filterbank outputs / cross spectrum / / / / | |
| 文献情報 | 信学技報, vol. 112, no. 369, SP2012-93, pp. 107-112, 2012年12月. | |
| 資料番号 | SP2012-93 | |
| 発行日 | 2012-12-13 (SP) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | SP2012-93 |
|
| 研究会情報 | |
| 研究会 | SP IPSJ-SLP |
| 開催期間 | 2012-12-20 - 2012-12-21 |
| 開催地（和） | 東工大(大岡山 西9号館) |
| 開催地（英） | TITECH(Ookayama) |
| テーマ（和） | 第14回音声言語シンポジウム |
| テーマ（英） | 14th Symposium on Spoken Language |
| 講演論文情報の詳細 | |
| 申込み研究会 | SP |
| 会議コード | 2012-12-SP-SLP |
| 本文の言語 | 日本語 |
| タイトル（和） | 特徴量領域音源分離のためのクロススペクトル抑圧 |
| サブタイトル（和） | |
| タイトル（英） | Reduction of cross spectrum for feature-domain sound source separation |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 音源分離 / source separation |
| キーワード(2)（和/英） | 音声認識 / speech recognition |
| キーワード(3)（和/英） | フィルタバンク出力 / filterbank outputs |
| キーワード(4)（和/英） | クロススペクトル / cross spectrum |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 安藤 厚志 / Atsushi Ando / アンドウ アツシ |
| 第1著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 丹羽 健太 / Kenta Niwa / ニワ ケンタ |
| 第2著者 所属（和/英） | NTTメディアインテリジェンス研究所 (略称： NTT) NTT Media Intelligence Laboratories (略称： NTT) |
| 第3著者 氏名（和/英/ヨミ） | 北岡 教英 / Norihide Kitaoka / キタオカ ノリヒデ |
| 第3著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 武田 一哉 / Kazuya Takeda / タケダ カズヤ |
| 第4著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2012-12-21 14:40:00 |
| 発表時間 | 25分 |
| 申込先研究会 | SP |
| 資料番号 | SP2012-93 |
| 巻番号（vol） | vol.112 |
| 号番号（no） | no.369 |
| ページ範囲 | pp.107-112 |
| ページ数 | 6 |
| 発行日 | 2012-12-13 (SP) |
[研究会発表申込システムのトップページに戻る]