JP2006510060A - 複数の音響源が生成した複数の音響信号を分離する方法及びシステム - Google Patents
複数の音響源が生成した複数の音響信号を分離する方法及びシステム Download PDFInfo
- Publication number
- JP2006510060A JP2006510060A JP2004560622A JP2004560622A JP2006510060A JP 2006510060 A JP2006510060 A JP 2006510060A JP 2004560622 A JP2004560622 A JP 2004560622A JP 2004560622 A JP2004560622 A JP 2004560622A JP 2006510060 A JP2006510060 A JP 2006510060A
- Authority
- JP
- Japan
- Prior art keywords
- acoustic
- signal
- separating
- signals generated
- filter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000001914 filtration Methods 0.000 claims abstract description 7
- 238000005457 optimization Methods 0.000 claims description 15
- 239000002131 composite material Substances 0.000 claims description 9
- 238000013518 transcription Methods 0.000 claims description 6
- 230000035897 transcription Effects 0.000 claims description 6
- 238000011478 gradient descent method Methods 0.000 claims description 4
- 239000013598 vector Substances 0.000 description 18
- 238000000926 separation method Methods 0.000 description 15
- 239000011159 matrix material Substances 0.000 description 12
- 230000005236 sound signal Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 239000000203 mixture Substances 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012880 independent component analysis Methods 0.000 description 3
- 230000001537 neural effect Effects 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000001939 inductive effect Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0272—Voice signal separating
- G10L21/028—Voice signal separating using properties of sound source
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Circuit For Audible Band Transducer (AREA)
Abstract
【解決手段】各音源について、音響信号は結合されて、各音源に少なくとも1本ずつ設けられる複数のマイクによって取得される混合信号となる。混合信号をフィルタリングし、フィルタリングされた信号を総和して1つの信号にし、この信号から特徴を抽出する。因子HMM全体のターゲットシーケンスを推測し、それに従ってフィルタパラメータを最適化する。これらのステップは、フィルタパラメータが最適なフィルタリングパラメータに収束するまで繰り返し、次にこの最適なフィルタリングパラメータを用いて混合信号をもう一度フィルタリングし、この最後のフィルリングの総和出力が特定の音響源の音響信号となる。
Description
図1は、本発明によるマルチチャネル音響信号分離システム100の基本的な構造を示す。この例では、混合音響信号(例えば音声103)を生成する2つの音源(例えば話者101〜102)がある。これより多い数の音源も可能である。本発明の目的は、取得した混合信号から1つの音源の信号190を分離することである。
動作時には、取得した混合音響信号111をまずフィルタリングする(120)。初期のフィルタパラメータセットを用いることができる。フィルタリングした信号121を総和し、特徴141を抽出する(140)。HMM170を用いてターゲットシーケンス151を抽出する(150)。次に、共役勾配降下法を用いた最適化160により、1つの音源(例えば話者)の信号190の分離に用いることができる最適なフィルタパラメータ161を導出する。
音源の数は既知であると仮定する。音源毎に別個のフィルタ和アレーを設ける。各マイク110からの混合信号111をマイク固有のフィルタによってフィルタリングする(120)。様々なフィルタリングされた信号121を総和して(130)合成131信号を得る。したがって、音源iの合成出力信号yi[n]131は次のように表される。
特定の音源からの信号用のフィルタ120は、音響信号に関する入手可能な情報(例えば話者の音声のトランスクリプション)を用いて最適化される。
理想的なターゲットは、雑音や破損のない(clean uncorrupted)音響信号録音物から得られるメルスペクトルベクトルのシーケンスである。他のターゲットはすべて理想的なターゲットの近似値に過ぎない。この理想的なターゲットの近似値を求めるには、その話者の発声のHMM170からターゲット151を導出する。これは、現在の音源信号推定値からHMM全体の最適状態シーケンスを求めることによって行う。
本発明は、複数の話者からの音響信号の既知の統計特性を使用して音響信号を分類する新規のマルチチャネル話者分離システムとその方法を提供する。
Claims (10)
- 複数の音響源が生成した複数の音響信号を分離する方法であって、前記複数の音響信号は結合されて、複数のマイクによって取得される混合信号となり、前記音響源の各々について、
前記混合信号をフィルタリングしてフィルタリングされた信号にすること、
前記フィルタリングされた信号を総和して合成信号にすること、
前記合成信号から特徴を抽出すること、
前記抽出した特徴に基づいて前記合成信号中のターゲットシーケンスを推測すること、
前記ターゲットシーケンスのフィルタパラメータを最適化すること、
前記フィルタパラメータが最適なフィルタリングパラメータに収束するまで前記推測するステップと前記最適化するステップとを繰り返すこと、および
前記最適なフィルタパラメータを用いて前記混合信号をもう一度フィルタリングし、前記最適にフィルタリングされた混合信号を総和して前記音響源の音響信号を得ること
を含む、複数の音響源が生成した複数の音響信号を分離する方法。 - 前記音響源は話者であり、前記音響信号は音声である、
請求項1記載の複数の音響源が生成した複数の音響信号を分離する方法。 - 前記音響源の各々に少なくとも1本のマイクがあり、マイクの各々に1つのフィルタセットがあり、セットの各々のフィルタの数は前記音響源の数に等しい、
請求項1記載の複数の音響源が生成した複数の音響信号を分離する方法。 - 前記フィルタパラメータは勾配降下法により最適化される、
請求項1記載の複数の音響源が生成した複数の音響信号を分離する方法。 - 前記ターゲットシーケンスは隠れマルコフモデルから推定される、
請求項1記載の複数の音響源が生成した複数の音響信号を分離する方法。 - 前記ターゲットシーケンスは、前記隠れマルコフモデルの最も尤度の高い状態シーケンスにおける状態の平均のシーケンスである、
請求項5記載の複数の音響源が生成した複数の音響信号を分離する方法。 - 前記隠れマルコフモデルは前記音響源と独立している、
請求項5記載の複数の音響源が生成した複数の音響信号を分離する方法。 - 前記音響信号は音声であり、前記隠れマルコフモデルは前記音声のトランスクリプションに基づいている、
請求項5記載の複数の音響源が生成した複数の音響信号を分離する方法。 - 前記音響源全ての個々の隠れマルコフモデルの外積である因子隠れマルコフモデルにより前記混合信号を表現すること
をさらに含む請求項5記載の複数の音響源が生成した複数の音響信号を分離する方法。 - 複数の音響源が生成した複数の音響信号を分離するシステムであって、前記複数の音響信号は結合されて、複数のマイクによって取得される混合信号となり、前記音響源の各々について、
前記混合信号をフィルタリングしてフィルタリングされた信号にする複数のフィルタと、
前記フィルタリングされた信号を総和して合成信号にする加算器と、
前記合成信号から特徴を抽出する手段と、
前記抽出した特徴に基づいて前記合成信号中のターゲットシーケンスを推測する手段と、
前記ターゲットシーケンスのフィルタパラメータを最適化する手段と、
前記フィルタパラメータが最適なフィルタリングパラメータに収束するまで前記推測および前記最適化を繰り返し、次に前記最適なフィルタパラメータを用いて前記混合信号をフィルタリングし、最適にフィルタリングされた混合信号を総和して前記音響源の音響信号を得る手段と
を備える、複数の音響源が生成した複数の音響信号を分離するシステム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US10/318,714 US20040117186A1 (en) | 2002-12-13 | 2002-12-13 | Multi-channel transcription-based speaker separation |
PCT/JP2003/015877 WO2004055782A1 (en) | 2002-12-13 | 2003-12-11 | Method and system for separating plurality of acoustic signals generated by plurality of acoustic sources |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2006510060A true JP2006510060A (ja) | 2006-03-23 |
Family
ID=32506443
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2004560622A Pending JP2006510060A (ja) | 2002-12-13 | 2003-12-11 | 複数の音響源が生成した複数の音響信号を分離する方法及びシステム |
Country Status (5)
Country | Link |
---|---|
US (1) | US20040117186A1 (ja) |
EP (1) | EP1568013B1 (ja) |
JP (1) | JP2006510060A (ja) |
DE (1) | DE60312374T2 (ja) |
WO (1) | WO2004055782A1 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013529879A (ja) * | 2010-08-27 | 2013-07-22 | ミツビシ・エレクトリック・リサーチ・ラボラトリーズ・インコーポレイテッド | 発電機の運転をスケジューリングするための方法 |
WO2013145578A1 (ja) * | 2012-03-30 | 2013-10-03 | 日本電気株式会社 | 音声処理装置、音声処理方法および音声処理プログラム |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7567908B2 (en) * | 2004-01-13 | 2009-07-28 | International Business Machines Corporation | Differential dynamic content delivery with text display in dependence upon simultaneous speech |
KR100600313B1 (ko) * | 2004-02-26 | 2006-07-14 | 남승현 | 다중경로 다채널 혼합신호의 주파수 영역 블라인드 분리를 위한 방법 및 그 장치 |
EP1691348A1 (en) * | 2005-02-14 | 2006-08-16 | Ecole Polytechnique Federale De Lausanne | Parametric joint-coding of audio sources |
US7475014B2 (en) * | 2005-07-25 | 2009-01-06 | Mitsubishi Electric Research Laboratories, Inc. | Method and system for tracking signal sources with wrapped-phase hidden markov models |
US7865089B2 (en) * | 2006-05-18 | 2011-01-04 | Xerox Corporation | Soft failure detection in a network of devices |
US8144896B2 (en) * | 2008-02-22 | 2012-03-27 | Microsoft Corporation | Speech separation with microphone arrays |
KR101178801B1 (ko) * | 2008-12-09 | 2012-08-31 | 한국전자통신연구원 | 음원분리 및 음원식별을 이용한 음성인식 장치 및 방법 |
US8812322B2 (en) * | 2011-05-27 | 2014-08-19 | Adobe Systems Incorporated | Semi-supervised source separation using non-negative techniques |
US9313336B2 (en) | 2011-07-21 | 2016-04-12 | Nuance Communications, Inc. | Systems and methods for processing audio signals captured using microphones of multiple devices |
US9601117B1 (en) * | 2011-11-30 | 2017-03-21 | West Corporation | Method and apparatus of processing user data of a multi-speaker conference call |
CN102568493B (zh) * | 2012-02-24 | 2013-09-04 | 大连理工大学 | 一种基于最大矩阵对角率的欠定盲分离方法 |
US10452986B2 (en) | 2012-03-30 | 2019-10-22 | Sony Corporation | Data processing apparatus, data processing method, and program |
JP6464411B6 (ja) * | 2015-02-25 | 2019-03-13 | Dynabook株式会社 | 電子機器、方法及びプログラム |
US10089061B2 (en) | 2015-08-28 | 2018-10-02 | Kabushiki Kaisha Toshiba | Electronic device and method |
US20170075652A1 (en) | 2015-09-14 | 2017-03-16 | Kabushiki Kaisha Toshiba | Electronic device and method |
CN105354594B (zh) * | 2015-10-30 | 2018-08-31 | 哈尔滨工程大学 | 一种针对欠定盲源分离的混合矩阵估计方法 |
GB2567013B (en) * | 2017-10-02 | 2021-12-01 | Icp London Ltd | Sound processing system |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5182773A (en) * | 1991-03-22 | 1993-01-26 | International Business Machines Corporation | Speaker-independent label coding apparatus |
US5675659A (en) * | 1995-12-12 | 1997-10-07 | Motorola | Methods and apparatus for blind separation of delayed and filtered sources |
US6236862B1 (en) * | 1996-12-16 | 2001-05-22 | Intersignal Llc | Continuously adaptive dynamic signal separation and recovery system |
US6266633B1 (en) * | 1998-12-22 | 2001-07-24 | Itt Manufacturing Enterprises | Noise suppression and channel equalization preprocessor for speech and speaker recognizers: method and apparatus |
US6879952B2 (en) * | 2000-04-26 | 2005-04-12 | Microsoft Corporation | Sound source separation using convolutional mixing and a priori sound source knowledge |
US6954745B2 (en) * | 2000-06-02 | 2005-10-11 | Canon Kabushiki Kaisha | Signal processing system |
-
2002
- 2002-12-13 US US10/318,714 patent/US20040117186A1/en not_active Abandoned
-
2003
- 2003-12-11 WO PCT/JP2003/015877 patent/WO2004055782A1/en active IP Right Grant
- 2003-12-11 DE DE60312374T patent/DE60312374T2/de not_active Expired - Lifetime
- 2003-12-11 EP EP03789598A patent/EP1568013B1/en not_active Expired - Fee Related
- 2003-12-11 JP JP2004560622A patent/JP2006510060A/ja active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013529879A (ja) * | 2010-08-27 | 2013-07-22 | ミツビシ・エレクトリック・リサーチ・ラボラトリーズ・インコーポレイテッド | 発電機の運転をスケジューリングするための方法 |
WO2013145578A1 (ja) * | 2012-03-30 | 2013-10-03 | 日本電気株式会社 | 音声処理装置、音声処理方法および音声処理プログラム |
Also Published As
Publication number | Publication date |
---|---|
EP1568013A1 (en) | 2005-08-31 |
EP1568013B1 (en) | 2007-03-07 |
DE60312374D1 (de) | 2007-04-19 |
WO2004055782A1 (en) | 2004-07-01 |
DE60312374T2 (de) | 2007-11-15 |
US20040117186A1 (en) | 2004-06-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Deep learning for environmentally robust speech recognition: An overview of recent developments | |
CN108766419B (zh) | 一种基于深度学习的非常态语音区别方法 | |
JP2006510060A (ja) | 複数の音響源が生成した複数の音響信号を分離する方法及びシステム | |
CN110120227B (zh) | 一种深度堆叠残差网络的语音分离方法 | |
US8438026B2 (en) | Method and system for generating training data for an automatic speech recognizer | |
US8392185B2 (en) | Speech recognition system and method for generating a mask of the system | |
US20170061978A1 (en) | Real-time method for implementing deep neural network based speech separation | |
Delcroix et al. | Compact network for speakerbeam target speaker extraction | |
CN107919133A (zh) | 针对目标对象的语音增强系统及语音增强方法 | |
US11854554B2 (en) | Method and apparatus for combined learning using feature enhancement based on deep neural network and modified loss function for speaker recognition robust to noisy environments | |
Menne et al. | Investigation into joint optimization of single channel speech enhancement and acoustic modeling for robust ASR | |
CN109887489B (zh) | 基于生成对抗网络的深度特征的语音去混响方法 | |
KR101807961B1 (ko) | Lstm 및 심화신경망 기반의 음성 신호 처리 방법 및 장치 | |
US20110046948A1 (en) | Automatic sound recognition based on binary time frequency units | |
Sant'Ana et al. | Text-independent speaker recognition based on the Hurst parameter and the multidimensional fractional Brownian motion model | |
CN111798875A (zh) | 一种基于三值量化压缩的vad实现方法 | |
Shi et al. | End-to-End Monaural Speech Separation with Multi-Scale Dynamic Weighted Gated Dilated Convolutional Pyramid Network. | |
JP5180928B2 (ja) | 音声認識装置及び音声認識装置のマスク生成方法 | |
Callens et al. | Joint blind room acoustic characterization from speech and music signals using convolutional recurrent neural networks | |
Reyes-Gomez et al. | Multi-channel source separation by factorial HMMs | |
Ozerov et al. | GMM-based classification from noisy features | |
Jukić et al. | Multi-channel linear prediction-based speech dereverberation with low-rank power spectrogram approximation | |
KR101023211B1 (ko) | 마이크배열 기반 음성인식 시스템 및 그 시스템에서의 목표음성 추출 방법 | |
Koutras et al. | Improving simultaneous speech recognition in real room environments using overdetermined blind source separation. | |
Al-Ali et al. | Enhanced forensic speaker verification performance using the ICA-EBM algorithm under noisy and reverberant environments |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20061020 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20070530 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20070629 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090908 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20100302 |