多重解像度解析を用いた機械学習による音声強調および広帯域化に関する研究

使用多分辨率分析的机器学习语音增强和宽带化研究

• 批准号: 22K12133
• 负责人: 林 誠治
• 金额: $ 2万
• 依托单位: Takushoku University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-22K12133/
• 关键词: 狭帯域音声の帯域拡張; 多重解像度解析; ウェーブレット; 音声帯強調拡張

狭帯域から広帯域への音声帯域拡張技術は音声としての人間らしさを強調するための手法である一方，音域のバランスを適応的に調整することで高齢になると感じる「聞こえづらさ」といった軽度の難聴問題を解消できる一助になると考えられる．本応募研究では，音声信号の多重解像度解析によって得られる階層型成分で得られる情報から，本来存在しない未知のサブバンド成分をサブバンド間の相関関係を用いて機械学習により推定することを目的に研究を遂行している．これについて，これまで本研究に係る自身の先行研究によって得られた成果をベースとして，どのようにしたら推定精度を向上させることができるか，ということを念頭に研究を進めており，まず，今年度の交付金を使用して新たな研究開発環境のハードウェア(高速なパーソナルコンピュータとGPGPUを搭載したグラフィックボード)とソフトウェア(MATLAB数値解析ソフト)の構築および整備を行った．つぎに，音声帯域拡張技術の実現手法の一つとして，連続音声データベースから音素単位に分解して子音または母音ごとの発声区間を判別し，それぞれの発声区間ごとにラベリング，つまりタグ付けを行う方法で研究を進めている．今後の研究の展開になるが，前述で得られた音素クラスタごとに多重解像度解析を用いた未知成分の推定パラメータを定義・決定し，より高品質な広帯域音声の獲得を目指す方針である．基本アプローチとしては離散ウェーブレット解析(DWT)を用いてDWT分解後のレベル間の相関を利用することで，機械学習を用いた相関係数の算出により，元来人間の肉声が持っていた高域成分および低域成分を疑似的に生成し，狭帯域の音声成分に付加することで広帯域化を図る予定である．

In a narrow range, in a technical range, in a technical domain, in a narrow range, in a sound domain, in a technical domain, in a technical domain, or in a narrow range, or in a narrow range, or The acoustic signal is characterized by multiple resolution, and the components of the acoustic signal are known to be sensitive. The components of the acoustic signal are not known to be used to determine the composition of the acoustic signal. The purpose of the study is to determine the purpose of the study. In this study, we first studied the results of the study. The results show that the results are accurate, and that the presumptive accuracy is improved. This year's payment is based on the use of new environmental research and development (high-speed environmental research and development). High-speed environmental protection, GPGPU, environmental protection, environmental protection The phoneme decomposition of the consonant, the phoneme of the consonant, the vowel of the vowel, the voice of the vowel, the sound of the sound, the phoneme, the consonant, the vowel, the sound, the phoneme, the vowel, the vowel The aforementioned multi-resolution resolution of phonemes is determined by the presumption of unknown components, and the sound of domain sounds is determined by the use of high-quality phonemes. Basic data analysis (DWT) is used to analyze the data after decomposition by DWTT. The mechanical engineering system uses the relative data to calculate the temperature, the high-domain components, the low-domain components and the narrow-range sound components are used to calculate the noise in the system.