正則性に着目した短時間スペクトルの再解釈と音響処理への応用

点击翻译按钮获取中文摘要

音声、楽音、機械音、環境音、生体音など音響信号を対象とした特徴分析では、信号の非定常な性質を時間特性と周波数特性の両面から捉えるために、短時間スペクトルの情報がよく用いられる。多くの場合、主として活用されるのは、スペクトルの振幅成分の特徴であり、不規則性が強く扱いが難しい位相成分については、有効な情報を余すことなく抽出・活用できているとは言い難い。そこで、本研究では、振幅と位相の情報を相補的に余すことなく活用するため、短時間スペクトルの新たな解釈に基づく特徴表現法を創出し、音響処理への応用に資することを目指す。当該年度においては、主として、位相成分の不規則性を回避する手法の検討を進めた。従来、複素スペクトルの位相値が複素平面上の原点を基準として定義されているために、スペクトル値が原点を通過して変化した際に位相値が不連続となる問題に着目し、これを回避するために、複素平面上の原点を基準とするのではなく、実数軸、虚数軸に直交する３次元空間上の軸上の点を基準として、位相角を再定義することを考えた。深層学習に基づく雑音抑圧処理を想定した予備実験において、再定義された位相角を推定対象とすることで、特に信号対雑音比が大きい条件下で従来よりも推定性能が高まる可能性があることが示唆された。また、別の観点において、短時間スペクトル変換とその逆変換を反復することで、与えられた振幅情報から位相情報を推定する反復推定法の性能改善に取組み、音源分離問題において観測される混合信号と分離信号の再混交信号との整合性を周波数領域において考慮することにより、位相情報の推定精度が改善されることを確認した。