Transcript 2002年3月DSP研究会講演スライド

音声・音響信号を対象とした
ブラインド音源分離
奈良先端科学技術大学院大学
猿渡 洋
[email protected]
本日の発表内容
 ブラインド音源分離（BSS）研究の背景
 独立成分分析（ICA）に基づくBSSの説明
 時間領域ICA
 周波数領域ICA
 各領域ICAの適用限界を実証
 周波数領域ICAと時間領域ICAを統合した多段ICAに
基づく音源分離手法の提案
 実環境下における分離実験結果および考察
 まとめ
背景
ハンズフリー音声通信・認識システム
？
干渉音
マイクロホン
音声認識システム
今日の
天気は
何？
ユーザ
ユーザ以外の干渉音がマイクロホンに混入
音声認識精度の劣化
背景（Cont’d）
 研究の目標
 雑音に頑健なハンズフリー音声処理システム
の実現
 マイクロホンアレー
 複数のマイクロホン素子から構成される受音器
 目的信号の強調，雑音抑圧が可能
 マイクロホンアレー処理の欠点
 音源の到来方位推定が必要
 適応のために無音区間の推定が必要
ブラインド音源分離
 複数の音源信号が混在して観測される場合，
観測信号のみから音源信号を推定する技術
 独立成分分析（ICA）に基づく手法が主流
ICAに基づくブラインド音源分離
事前情報が不要（教師無し適応）
おはよう
話者１
音源１
互いに
独立
観測信号１
既知
こんにちは
話者２
マイクロホン１
マイクロホン２
音源２
音源信号を推定
観測信号２
ブラインド音源分離
 複数の音源信号が混在して観測される場合，
観測信号のみから音源信号を推定する技術
 独立成分分析（ICA）に基づく手法が主流
高残響（実）環境下では十分な性能が得られない
（残響時間=0.3秒 ←2400 taps FIRフィルタ）
＜音声応用における課題＞
残響に頑健なブラインド音源分離
アルゴリズムの構築
従来のアプローチ
 時間領域ICA（TDICA）
 時間領域においてFIR型の音源分離フィルタを
推定
 周波数領域ICA（FDICA）
 周波数領域において各周波数帯域毎に音源分離
フィルタを推定
TDICAに基づく音源分離手法
＜利点＞
 信号自身が有する独立性を評価可能
 最適点近傍での収束性に優れている
TDICAの適用
 一般の残響抑圧信号処理においては，フィルタ長を長
くすることにより残響抑圧性能が向上する
＜仮説＞
TDICAにおいても，分離フィルタ長を長くする
ことにより，残響に頑健な音源分離が可能か？
フィルタ長と分離性能の関係を調査
実験条件
素子間隔：
4 cm
残響時間：
300 ms
原音声: 男女各２名による２短文
１２通りの組み合わせ
 音源分離性能の尺度: 干渉音の抑圧量 [dB]

フィルタ長と分離性能の関係
8
7.8
音源分離性能 [dB]
7
5.8
＜欠点＞
フィルタ長を長くしても
5 反復学習規則が複雑
4.4

分離性能は向上しない
4 残響環境下では収束性が悪い

2.8
3 直接音，初期反射音成分の分離しかできない

6
1.7
2
0.9
1
0.4
0.3
1000
2000
0
10
20
50
100
200
500
音源分離フィルタ長 [point]
FDICAに基づく音源分離手法
f
＜利点＞
 周波数変換することにより混合問題を簡単化
 分離フィルタの最適化を安定かつ高い収束性で実現
FDICAの適用
 一般の残響抑圧信号処理においては，帯域分割数
（フィルタ長）を増やすことにより残響抑圧性能が向上
＜仮説＞
FDICAにおいても，分離フィルタの帯域分割数を
増やすことにより，残響に頑健な音源分離が可能か？
帯域分割数と分離性能の関係を調査
帯域分割数と分離性能の関係
過度に分割数を増やすと分離性能劣化
10
音源分離性能 [dB]
＜新たな仮説＞
9.4
8.5
7.6
7.4
8帯域分割数を過度に増やすと狭帯域信号間の
7.2
6.6
独立性の仮定が成立しなくなる？
6.1
6
4
3.0
2
狭帯域信号間の独立性を定量的に評価するために，
0
帯域分割数と狭帯域信号間の相関値の関係を調査
32
64
128
256 512 1024 2048 4096
帯域分割数
帯域分割数と狭帯域信号間の相関値の関係
狭帯域信号間の相関値
0.1
過度に分割数を増やすと相関が強くなる
0.08
＜欠点＞
0.06
帯域分割数を過度に増やすと狭帯域信号間の
0.04
相関が強くなり，独立性の仮定が成立しなくなる
0.02
0
32
64
128
256 512 1024 2048 4096
帯域分割数
帯域分割数と分離性能の関係
音源分離性能
相関低い
残響に強い
相関強い
残響に弱い
＜欠点＞
FDICAでは帯域分割処理により十分な分離性能
に達しない段階で性能が飽和する
少ない
帯域分割数
多い
各領域ICAの利点･欠点
周波数領域ICA（FDICA）
 利点


周波数変換により
混合問題を簡単化
反復学習における安
定性，高速収束性
補う
 欠点
前段
時間領域ICA（TDICA）
 利点


補う
 欠点
 帯域分割処理により
利点を共に有効利用

信号自身が有する
独立性を評価可能
最適点近傍での収束
性に優れている
後段
反復学習規則が複雑
独立性の仮定が崩壊
 残響環境下では収束
FDICAとTDICAを統合した
分離性能が飽和
性が悪い
多段ICA（MSICA）

by 西川 他, 2001
MSICAの分離過程
混合システム
周波数領域ICA
（FDICA）
 混合問題を簡単化
 反復学習における安定性，
高速収束性
時間領域ICA
（TDICA）
 信号自身が有する独立性を
評価可能
 最適点近傍での高収束性
提案手法の有効性検証
 MSICAにおけるTDICA部のフィルタ長と分離
性能の関係を調査
 TDICA，FDICA，及びMSICAの分離性能比較
フィルタ長と分離性能の関係
14
TDICA
音源分離性能 [dB]
12
MSICA
11.0
10.2
10.4
10.1
8
10.6
10.0
10
12.7
12.5
FDICA
9.4
7.8
5.8
6
4.4
4
2.8
1.7
2
0.9
0.4
0.3
0
10
20
50
100
200
500
音源分離フィルタ長 [point]
1000
2000
MSICAのTDICA部では長いフィルタによる学習が可能
提案手法の有効性検証
 MSICAにおけるTDICA部のフィルタ長と分離
性能の関係を調査
 TDICA，FDICA，及びMSICAの分離性能比較
各ICAの分離性能比較
18
音源分離性能 [dB]
16
TDICA
FDICA
MSICA
2
4
6
14
12
10
8
6
4
2
0
1
3
5
7
8
9
10
11
12
話者の組み合わせ番号
12通りの平均： TDICA: 5.9 dB，FDICA: 9.4 dB，MSICA：12.1 dB
考察
 FDICAでは帯域分割処理により十分な分離性能に達
しない段階で性能が飽和
 TDICAでは反復学習規則が複雑であるため長いフィ
ルタによる分離が困難
 MSICAを用いることでTDICA，FDICAを上回る分離性
能が得られた
 MSICAは本質的にTDICA，FDICAの問題点を解決した
といえる
MSICAによる分離音声の一例
 残響時間
300 ms
 混合音声（女性，男性）
 分離音声（女性）
 分離音声（男性）
女声
男声
-30° 40°
2素子
4cm間隔
まとめ
 残響環境下における時間領域ICA（TDICA），
周波数領域ICA（FDICA）の適用限界を実証
 FDICAとTDICAを統合した多段ICA（MSICA）に
基づくブラインド音源分離手法を提案
 TDICA，FDICA，及びMSICAの分離性能比較
MSICAにおけるTDICA部では長いフィルタの学習が
可能であることを確認
 MSICAの性能はTDICA，FDICAの性能を上回ること
を確認

今後の課題
現在のICAではまだまだ長い残響に対応できない
⇒音響信号処理の知見を有効に利用
空間情報（音源の方位,位置など）の利用
 音声認識による性能評価
 さらに複雑な混合の分離問題に関する検討
 雑音が付加された混合
 ３個以上の複数音源が存在する混合