徳島大学工学部知能情報工学科 A1 グループ 学部４年 森陽司

Presentation on theme: "徳島大学工学部知能情報工学科 A1 グループ 学部４年 森陽司"— Presentation transcript:

1 徳島大学工学部知能情報工学科 A1 グループ 学部４年 森陽司
風雑音除去アルゴリズム 徳島大学工学部知能情報工学科 A1　グループ 学部４年　森陽司

2 研究の背景と目的 ホームビデオ等野外撮影機器の普及 野外録音における問題 ⇒ 野外での録音機会の増加 ⇒ 風雑音の影響
⇒　野外での録音機会の増加 野外録音における問題 ⇒　風雑音の影響 観測信号から風雑音の除去を行う

3 従来手法 ハードウェアによる雑音混入の防止 問題点 風防，マイクの形状 風雑音の混入を防ぐのみ
雑音混入の防止をしているものの，風雑音の影響を受けてしまう

4 提案手法 ソフトウェアによる風雑音除去 ⇒観測信号に風雑音が混入しても， 　風雑音を除去し，希望信号を取り出すことが可能

5 風雑音について 風雑音のパワースペクトル

6 雑音除去手法 雑音特性により，最適な手法は異なる 風雑音はその形状特徴より， 　　SS(Spectral Subtraction)法を用いる

7 Spectral Subtraction 観測信号は雑音と信号の和と考える

8 Spectral Subtraction 観測信号のSTFT(short-time Fourier　transform)を以下のように定義する

9 Spectral Subtraction フーリエ空間上で雑音の 　　振幅スペクトルの減算としてSSを定義

10 Spectral Subtractionの問題点
雑音の減算を行う際に雑音の平均を 　　用いている ⇒雑音の引きすぎ，消し残りが起こる この問題を解決するための研究が 　　現在もさかんに行われている

11 提案手法１ フレーム毎に雑音レベルの推定を行い， 　　推定レベルに応じて雑音を引き去る ⇒雑音の引き過ぎ，消し残りを防ぐ

12 α(k)の導出 観測信号において音声の影響の少ない 　　低域を利用しα（ｋ）を導出する

13 予備実験１ 観測信号から単に雑音の平均スペクトル 　　を引き去る ⇒（通常のＳＳ） 音声認識を用いて評価

14 予備実験１ 実験結果 雑音除去後も雑音が残っていた 認識率の大きな低下の理由 ⇒通常の音響モデルを使用 data Accuracy(%)
予備実験１　実験結果 雑音除去後も雑音が残っていた 認識率の大きな低下の理由 ⇒通常の音響モデルを使用　 data Accuracy(%) 原音声 87.56 原音声＋雑音 71.95 雑音除去後 24.13

15 予備実験２ 観測信号から既知の雑音を 　　フーリエ空間で引き去る ⇒（SSの上限）

16 予備実験２ 実験結果 雑音除去後も少量の雑音が残っていた 認識率は多少低下 ⇒ＳＳを行う際の位相のずれが原因？ data
予備実験２　実験結果 雑音除去後も少量の雑音が残っていた ⇒ＳＳを行う際の位相のずれが原因？ 認識率は多少低下 data Accuracy(%) 現音声 87.56 雑音除去後 81.88

17 提案手法１ 実験結果 予備実験１よりも原音声に近いものの， 雑音除去後も雑音が消し残っていた フレーム毎の雑音の振幅スペクトルを
提案手法１　実験結果 予備実験１よりも原音声に近いものの， 　　　雑音除去後も雑音が消し残っていた フレーム毎の雑音の振幅スペクトルを 　　　雑音の平均の振幅スペクトルで 　　　近似できない

18 形状の異なる振幅スペクトル 26.28dB 33.10dB

19 提案手法２ 風雑音のパワー毎に振幅スペクトルの 形状が異なると仮定 ⇒仮定に基づき提案手法２を考案
風雑音のパワー毎に振幅スペクトルの　　　形状が異なると仮定 ⇒仮定に基づき提案手法２を考案 提案手法１と異なり，複数の雑音モデル　　　　を用意

20 提案手法２ 風雑音をパワーにより４状態（小，中，大，特大）に 大別する 各状態毎に平均の振幅スペクトルを算出し 雑音モデルを作成
風雑音をパワーにより４状態（小，中，大，特大）に　　　大別する 各状態毎に平均の振幅スペクトルを算出し　　　　　　　雑音モデルを作成 観測信号より風雑音のパワー推定 パワーの推定値より雑音モデルを選択 α(k)を算出し，SS法を用いて雑音除去　

21 風雑音パワー推定 観測信号において音声の影響が少ない低域のパワースペクトルの和を算出
P.a.bとPの回帰直線を導出し観測信号から風雑音のパワーを推定

22 回帰直線導出過程 相関係数 　⇒

23 回帰直線導出過程 P.a.bとPの相関係数 Data Noise Noise+Signal P0.2 ０．９９５３２２ ０．９９１０８１
０．９９９７０７ ０．９９２１２９ P1.2 ０．９８７９６３ ０．９６７０４７ P1.3 ０．９９１２６９ ０．９６６８７６

24 回帰直線導出過程 回帰直線 　⇒

25 回帰直線導出 導出した回帰直線 この二つの回帰直線を利用し， 　　観測信号から風雑音のパワーを推定

26 提案手法２の実験結果 雑音除去後の音声データを比較すると 提案手法１の実験結果とあまり差は なかった 風雑音のスペクトル形状はパワーに依存
　　提案手法１の実験結果とあまり差は 　　なかった 風雑音のスペクトル形状はパワーに依存 　　しないことが分かった

27 現状，今後の予定 風雑音の分析を詳しく行っている 客観的評価の導入 風雑音の調査のためのVQの プログラムを作成 風雑音のみのデータに対し，
板倉，斉藤距離 風雑音の調査のためのVQの 　　プログラムを作成 風雑音のみのデータに対し， 　　風雑音除去手法の確立を目指す