極限環境で動作するロボット聴覚を搭載したホース型レスキューロボットシステム

配备机器人听觉、可在极端环境下运行的软管式救援机器人系统

• 批准号: 15J08765
• 负责人: 坂東 宜昭
• 金额: $ 1.6万
• 依托单位: Kyoto University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2015
• 资助国家: 日本
• 起止时间: 2015-04-24 至 2018-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-15J08765/
• 关键词: ロボット聴覚; 音声強調; 深層生成モデル; ブラインド多チャネル音声強調; ベイジアン低ランク・スパース分解; レスキューロボティクス; 自己位置推定; 統計的信号処理; マルチモーダル信号処理

これまで取り組んできた低ランク・スパース分解に基づく音声強調法は，スパース性という音声の１側面のみを捉えた仮定に基づき音声信号を抽出していたため，強調性能に限界があった．一方近年，深層ニューラルネットワーク(DNN)を用いて，雑音を含む音声信号からクリーンな音声信号への写像を教師あり学習することで，高品質な音声強調が実現しつつある．しかし，このアプローチでは，大量の訓練データを準備する必要があるうえ，未知の雑音環境下に対する汎化性能に問題があった．平成29年度は，雑音を事前学習せず高い品質で音声強調するために，深層学習に基づく音声モデルと従来の統計モデルに基づく雑音モデルを確率的に統合した半教師あり音声強調法を開発した．本手法では，音声スペクトログラムは深層生成モデルから確率的に生成され，雑音スペクトログラムは非負値行列因子分解(NMF)モデルから生成されると仮定し，これらが重畳することで混合音スペクトログラムが生成されると考える．音声スペクトルの深層生成モデルを事前に大量のクリーン音声信号を用いて教師なし学習しておけば，混合音が与えられたときに，含まれている実際の音声スペクトルをベイズ推論できる．本枠組みのNMFモデルは観測に合わせて雑音成分を適応的に推定するため，雑音信号の訓練データを必要としない．シミュレーション混合音を用いた評価実験では，従来の低ランク・スパース分解法より高い性能を達成した．さらに，従来のDNNに基づく教師あり音声強調法に対しても，教師あり法にとっての未知雑音環境下でより高い性能を確認した．

On the one hand, in recent years, there has been a significant increase in the performance limit of the sound signal. On the other hand, in recent years, on the other hand, in the past few years, on the one hand, there has been a lot of noise in the system. In recent years, on the one hand, there has been a lot of noise in the system. The sound signal contains the sound signal, the sound signal, the sound In advance, we should learn how to improve the quality of sound in advance. In this way, we need to learn how to calculate the accuracy of basic sound in order to calculate the accuracy rate of sound. In this technique, the sound system is used to generate the accuracy rate of sound training. Non-linear row and column factorization (NMF), column factor decomposition (DFD), column factor decomposition (LFD), row and column factor decomposition (DFD), row and column factor decomposition (NMF), row and column factor decomposition (RFA), row and column factor decomposition (RFA), row and column factor decomposition (DFD), row and column factor decomposition (RFA), and so on. This group is concerned with the presumption that the sound component of the NMF sound component is not valid. The sound signal is not affected by the necessary noise. The sound is mixed with the sound signal, which is used to reduce the noise. In DNN, we will teach you the sound intensity method, the sound intensity method, the sound intensity

项目成果

深層生成モデルを事前分布に用いた教師なし音声強調.

使用深度生成模型作为先验分布的无监督语音增强。

• 发表时间: 2017
• 作者: 坂東宜昭;三村正人;糸山克寿;吉井和佳;河原達也.
• 通讯作者: 河原達也.

変分ベイズ多チャネルRNMFに基づく柔軟索状レスキューロボットのための音声強調

基于变分贝叶斯多通道RNMF的软绳救援机器人语音增强

• 发表时间: 2016
• 作者: 坂東 宜昭;糸山 克寿;昆陽 雅司;田所 諭;中臺 一博;吉井 和佳;奥乃 博
• 通讯作者: 奥乃 博

Bayesian Integration of Sound Source Separation and Speech Recognition:A New Approach to Simultaneous Speech Recognition

声源分离与语音识别的贝叶斯集成：同步语音识别的新方法

• 发表时间: 2015
• 期刊: Proceedings of the 16th Annual Conference of the International Speech Communication Association (INTERSPEECH 2015),
• 作者: Kousuke Itakura Izaya Nishimuta;Yoshiaki Bando;Katsutoshi Itoyama;Kazuyoshi Yoshii
• 通讯作者: Kazuyoshi Yoshii

多チャネル低ランク・スパース分解に基づく柔軟索状レスキューロボットのためのリアルタイム音声強調

基于多通道低秩稀疏分解的软绳救援机器人实时语音增强

• 发表时间: 2017
• 作者: 坂東 宜昭;安部 祐一;糸山 克寿;昆陽 雅司;田所 諭;中臺 一博;吉井 和佳;奥乃 博
• 通讯作者: 奥乃 博

音響センサを用いた配管内探査ヘビ型ロボットの3 次元位置推定

使用声学传感器探索管道内部的蛇形机器人的 3D 位置估计

• 发表时间: 2017
• 作者: 坂東 宜昭;須原 大貴;亀川 哲志;糸山 克寿;吉井 和佳;松野 文俊;奥乃 博
• 通讯作者: 奥乃 博