音声・音響信号を対象としたブラインド音源分離

音声・音響信号を対象としたブラインド音源分離音声・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 sawatari@is.aist-nara.ac.jp

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

？干渉音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ハンズフリー音声通信・認識システム今日の天気は何？マイクロホン音声認識システムユーザ

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

互いに 独立既知　音源信号を推定 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観測信号１マイクロホン１マイクロホン２観測信号２こんにちは音源２話者２

＜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）

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従来のアプローチ

＜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に基づく音源分離手法

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]

＜欠点＞ • 反復学習規則が複雑 • 残響環境下では収束性が悪い • 直接音，初期反射音成分の分離しかできないフィルタ長を長くしても分離性能は向上しないフィルタ長と分離性能の関係

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に基づく音源分離手法

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

過度に分割数を増やすと分離性能劣化 ＜新たな仮説＞帯域分割数を過度に増やすと狭帯域信号間の独立性の仮定が成立しなくなる？狭帯域信号間の独立性を定量的に評価するために，帯域分割数と狭帯域信号間の相関値の関係を調査帯域分割数と分離性能の関係

＜欠点＞ 帯域分割数を過度に増やすと狭帯域信号間の相関が強くなり，独立性の仮定が成立しなくなる帯域分割数と狭帯域信号間の相関値の関係過度に分割数を増やすと相関が強くなる

＜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帯域分割数と分離性能の関係相関低い残響に強い相関強い残響に弱い音源分離性能帯域分割数少ない多い

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，高速収束性欠点帯域分割処理により独立性の仮定が崩壊分離性能が飽和補う　補う　前段後段利点を共に有効利用 FDICAとTDICAを統合した多段ICA（MSICA）　by 西川他, 2001 各領域ICAの利点･欠点周波数領域ICA（FDICA）時間領域ICA（TDICA） • 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 • 欠点 • 反復学習規則が複雑 • 残響環境下では収束性が悪い

MSICAの分離過程 周波数領域ICA （FDICA）時間領域ICA （TDICA）混合システム • 混合問題を簡単化 • 反復学習における安定性，　　高速収束性 • 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

MSICAのTDICA部では長いフィルタによる学習が可能MSICAのTDICA部では長いフィルタによる学習が可能フィルタ長と分離性能の関係 9.4

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 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

音声・音響信号を対象とした ブラインド音源分離