JP6535112B2 - マスク推定装置、マスク推定方法及びマスク推定プログラム - Google Patents
マスク推定装置、マスク推定方法及びマスク推定プログラム Download PDFInfo
- Publication number
- JP6535112B2 JP6535112B2 JP2017567967A JP2017567967A JP6535112B2 JP 6535112 B2 JP6535112 B2 JP 6535112B2 JP 2017567967 A JP2017567967 A JP 2017567967A JP 2017567967 A JP2017567967 A JP 2017567967A JP 6535112 B2 JP6535112 B2 JP 6535112B2
- Authority
- JP
- Japan
- Prior art keywords
- mask
- distribution
- time frequency
- shape
- feature quantity
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 60
- 238000009826 distribution Methods 0.000 claims description 237
- 239000013598 vector Substances 0.000 claims description 115
- 239000011159 matrix material Substances 0.000 claims description 91
- 239000000203 mixture Substances 0.000 claims description 48
- 230000006870 function Effects 0.000 claims description 25
- 238000000605 extraction Methods 0.000 claims description 23
- 238000003860 storage Methods 0.000 claims description 18
- 241000023320 Luma <angiosperm> Species 0.000 claims 10
- OSWPMRLSEDHDFF-UHFFFAOYSA-N methyl salicylate Chemical compound COC(=O)C1=CC=CC=C1O OSWPMRLSEDHDFF-UHFFFAOYSA-N 0.000 claims 10
- 230000017105 transposition Effects 0.000 claims 4
- 230000008569 process Effects 0.000 description 26
- 238000012545 processing Methods 0.000 description 21
- 238000004364 calculation method Methods 0.000 description 11
- 238000000926 separation method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000000354 decomposition reaction Methods 0.000 description 5
- 238000010606 normalization Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 238000012795 verification Methods 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2134—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on separation criteria, e.g. independent component analysis
-
- 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
-
- 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
- G10L21/0308—Voice signal separating characterised by the type of parameter measurement, e.g. correlation techniques, zero crossing techniques or predictive techniques
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Circuit For Audible Band Transducer (AREA)
- Complex Calculations (AREA)
Description
本願の実施形態の開示に先立ち、本願が開示する技術の基礎となる背景技術について説明する。背景技術は、文献1「M. Souden, S. Araki, K. Kinoshita, T. Nakatani, and H. Sawada, “A Multichannel MMSE-Based Framework for Speech Source Separation and Noise Reduction,” IEEE TRANSACTIONS ON AUDIO, SPEECH AND LANGUAGE PROCESSING, VOL. 21, NO. 9, SEPTEMBER 2013, pp. 1913 - 1928.」に開示されている。
状態SN:目的音が一つも存在しない状態
実施形態1では、要素分布として複素ビンガム分布を用いる。実施形態1では、上記文献1と同様に、音響信号の数Nを既知と仮定し、N−1個の目的音と、1個の背景雑音が混ざったものをM個のマイクロホンで収録するものとする。
図1は、実施形態1に係るマスク推定装置の一例を示す図である。実施形態1に係るマスク推定装置10は、記憶部20が接続されている。マスク推定装置10は、特徴抽出部11、マスク更新部12、混合重み更新部13、パラメータ更新部14を有する。τを時間を表す番号(サンプル番号)として、マイクロホンmで収録された時間領域の観測信号をym(τ)と書くことにする。ym(τ)は、n番目の目的音源信号smn(τ)(n=1〜N−1。nは正整数)と、背景雑音vm(τ)の和として、下記(13)式によりモデル化できる。
以下、マスク推定装置10における処理の理論的背景について説明する。マスク推定装置10における処理は、下記(23)式の対数尤度関数L(Θ)をモデルパラメータΘに関して最大化する最適化問題を解くことにより導かれるものである。
図2は、実施形態1に係るマスク推定処理の一例を示すフローチャートである。図2に示すように、先ず、特徴抽出部11は、複数のマイクロホンで収録された観測信号から、M次元の特徴量ベクトルz(t,f)を抽出する(ステップS11)。
実施形態2では、要素分布として複素角度ガウス分布を用いる。実施形態1では、上記文献1と同様に、音響信号の数Nを既知と仮定し、N−1個の目的音と、1個の背景雑音が混ざったものをM個のマイクロホンで収録するものとする。
以下、マスク推定装置10−2における処理の理論的背景について説明する。マスク推定装置10−2における処理は、下記(34)式の対数尤度関数L(Θ)をモデルパラメータΘに関して最大化する最適化問題を解くことにより導かれるものである。
実施形態1及び実施形態2では、N個の音響信号のうちN−1個が目的音であり、1個が背景雑音であるとする。しかし、これに限らず、実施形態1及び実施形態2の変形例では、N個の音響信号がすべて目的音である場合にも、同一の処理により各音響信号(目的音)に対応するマスクを推定することができる。
実施形態3は、実施形態1のマスク推定装置10又は実施形態2のマスク推定装置10−2のいずれかを用いて目的音を推定する目的音推定システムを開示する。図3は、実施形態3に係る目的音推定システムの一例を示す図である。
図4は、実施形態3に係る目的音推定処理の一例を示すフローチャートである。先ず、目的音推定装置30の行列計算部31は、マスク推定装置10(10−2)からマスク情報を取得する(ステップS21)。
実施形態3の性能実証として、実施形態1のマスク推定装置10を含む目的音推定システム100を用い、バスの中、カフェなどの背景雑音が存在する環境において、1人の話者がタブレットに向かって文章を読み上げている状況(実施形態1においてN=2の場合)で、タブレットに装着されたM=6個のマイクロホンで収録した信号に対して音声認識を行った。音声認識性能(単語誤り率)は、次のとおりであった。
図5は、プログラムが実行されることにより、実施形態に係るマスク推定装置及び目的音推定装置を含む目的音推定システムが実現されるコンピュータの一例を示す図である。コンピュータ1000は、例えば、メモリ1010、CPU1020を有する。また、コンピュータ1000は、ハードディスクドライブインタフェース1030、ディスクドライブインタフェース1040、シリアルポートインタフェース1050、ビデオアダプタ1060、ネットワークインタフェース1070を有する。コンピュータ1000において、これらの各部はバス1080によって接続される。
11、11A 特徴抽出部
12、12−2、12A マスク更新部
13、13−2、13A 混合重み更新部
14、14−2 パラメータ更新部
14A 位置パラメータ更新部
15A 広がりパラメータ更新部
20、20−2、20A 記憶部
30 目的音推定装置
31 行列計算部
32 ウィーナーフィルタ構成部
33 目的音推定部
1000 コンピュータ
1010 メモリ
1020 CPU
Claims (11)
- 複数の音響信号が混在する状況下で、異なる位置で取得した複数の観測信号から、前記観測信号の時間周波数成分を時間周波数点毎にまとめた特徴量ベクトルを抽出する特徴抽出部と、
前記特徴量ベクトルの確率分布を複数の要素分布からなる混合分布でモデル化する際の各要素分布の混合重みと、各要素分布の形状を制御可能なモデルパラメータである形状パラメータとを記憶する記憶部と、
前記特徴量ベクトルと、前記混合重みと、前記形状パラメータとを用いて、各時間周波数点に対して各要素分布が寄与する割合を要素分布毎かつ時間周波数点毎に示すマスクを推定して更新するマスク更新部と、
前記マスク更新部により更新されたマスクから、前記混合重みを更新する混合重み更新部と、
前記特徴量ベクトルと、前記マスクとを用いて、前記形状パラメータを更新するパラメータ更新部と
を備え、
前記要素分布は、回転対称ではない分布形状も表現することができることを特徴とするマスク推定装置。 - 複数の音響信号が混在する状況下で、異なる位置で取得した複数の観測信号から、前記観測信号の時間周波数成分を時間周波数点毎にまとめた特徴量ベクトルを抽出する特徴抽出部と、
前記特徴量ベクトルの確率分布を複数の要素分布からなる混合分布でモデル化する際の各要素分布の混合重みと、各要素分布の形状を制御可能なモデルパラメータである形状パラメータとを記憶する記憶部と、
前記特徴量ベクトルと、前記混合重みと、前記形状パラメータとを用いて、各時間周波数点に対して各要素分布が寄与する割合を要素分布毎かつ時間周波数点毎に示すマスクを推定して更新するマスク更新部と、
前記マスク更新部により更新されたマスクから、前記混合重みを更新する混合重み更新部と、
前記特徴量ベクトルと、前記マスクとを用いて、前記形状パラメータを更新するパラメータ更新部と
を備え、
前記要素分布の確率密度関数は、zを独立変数、aを単位ベクトル、・Hをエルミート転置として、aとzの内積aHzの絶対値|aHz|の関数ではない確率密度関数も表現することができることを特徴とするマスク推定装置。 - 複数の音響信号が混在する状況下で、異なる位置で取得した複数の観測信号から、前記観測信号の時間周波数成分を時間周波数点毎にまとめた特徴量ベクトルを抽出する特徴抽出部と、
前記特徴量ベクトルの確率分布を複数の要素分布からなる混合分布でモデル化する際の各要素分布の混合重みと、各要素分布の形状を制御可能なモデルパラメータである形状パラメータとを記憶する記憶部と、
前記特徴量ベクトルと、前記混合重みと、前記形状パラメータとを用いて、各時間周波数点に対して各要素分布が寄与する割合を要素分布毎かつ時間周波数点毎に示すマスクを推定して更新するマスク更新部と、
前記マスク更新部により更新されたマスクから、前記混合重みを更新する混合重み更新部と、
前記特徴量ベクトルと、前記マスクとを用いて、前記形状パラメータを更新するパラメータ更新部と
を備え、
前記要素分布の確率密度関数は、zを独立変数、Aを行列、・Hをエルミート転置として、二次形式zHAzの関数であり、
前記形状パラメータは、前記行列Aを定めるパラメータである
ことを特徴とするマスク推定装置。 - 複数の音響信号が混在する状況下で、異なる位置で取得した複数の観測信号から、前記観測信号の時間周波数成分を時間周波数点毎にまとめた特徴量ベクトルを抽出する特徴抽出部と、
前記特徴量ベクトルの確率分布を複数の要素分布からなる混合分布でモデル化する際の各要素分布の混合重みと、各要素分布の形状を制御可能なモデルパラメータである形状パラメータとを記憶する記憶部と、
前記特徴量ベクトルと、前記混合重みと、前記形状パラメータとを用いて、各時間周波数点に対して各要素分布が寄与する割合を要素分布毎かつ時間周波数点毎に示すマスクを推定して更新するマスク更新部と、
前記マスク更新部により更新されたマスクから、前記混合重みを更新する混合重み更新部と、
前記特徴量ベクトルと、前記マスクとを用いて、前記形状パラメータを更新するパラメータ更新部と
を備え、
前記形状パラメータは、各要素分布の分布形状を表す楕円の各軸方向の分布広がりの情報を含む
ことを特徴とするマスク推定装置。 - 複数の音響信号が混在する状況下で、異なる位置で取得した複数の観測信号から、前記観測信号の時間周波数成分を時間周波数点毎にまとめた特徴量ベクトルを抽出する特徴抽出部と、
前記特徴量ベクトルの確率分布を複数の要素分布からなる混合分布でモデル化する際の各要素分布の混合重みと、各要素分布の形状を制御可能なモデルパラメータである形状パラメータとを記憶する記憶部と、
前記特徴量ベクトルと、前記混合重みと、前記形状パラメータとを用いて、各時間周波数点に対して各要素分布が寄与する割合を要素分布毎かつ時間周波数点毎に示すマスクを推定して更新するマスク更新部と、
前記マスク更新部により更新されたマスクから、前記混合重みを更新する混合重み更新部と、
前記特徴量ベクトルと、前記マスクとを用いて、前記形状パラメータを更新するパラメータ更新部と
を備え、
前記要素分布は、複素ビンガム分布であり、
前記形状パラメータは、複素ビンガム分布のパラメータ行列である
ことを特徴とするマスク推定装置。 - 複数の音響信号が混在する状況下で、異なる位置で取得した複数の観測信号から、前記観測信号の時間周波数成分を時間周波数点毎にまとめた特徴量ベクトルを抽出する特徴抽出部と、
前記特徴量ベクトルの確率分布を複数の要素分布からなる混合分布でモデル化する際の各要素分布の混合重みと、各要素分布の形状を制御可能なモデルパラメータである形状パラメータとを記憶する記憶部と、
前記特徴量ベクトルと、前記混合重みと、前記形状パラメータとを用いて、各時間周波数点に対して各要素分布が寄与する割合を要素分布毎かつ時間周波数点毎に示すマスクを推定して更新するマスク更新部と、
前記マスク更新部により更新されたマスクから、前記混合重みを更新する混合重み更新部と、
前記特徴量ベクトルと、前記マスクとを用いて、前記形状パラメータを更新するパラメータ更新部と
を備え、
前記要素分布は、複素角度ガウス分布であり、
前記形状パラメータは、複素角度ガウス分布のパラメータ行列である
ことを特徴とするマスク推定装置。 - マスク推定装置が実行するマスク推定方法であって、
前記マスク推定装置は、複数の音響信号が混在する状況下で、異なる位置で取得した複数の観測信号から、前記観測信号の時間周波数成分を時間周波数点毎にまとめることにより抽出された特徴量ベクトルの確率分布を複数の要素分布からなる混合分布でモデル化する際の各要素分布の混合重みと、各要素分布の形状を制御可能なモデルパラメータである形状パラメータとを記憶する記憶部を備え、
前記特徴量ベクトルを抽出する特徴抽出ステップと、
前記特徴量ベクトルと、前記混合重みと、前記形状パラメータとを用いて、各時間周波数点に対して各要素分布が寄与する割合を要素分布毎かつ時間周波数点毎に示すマスクを推定して更新するマスク更新ステップと、
前記マスク更新ステップにより更新されたマスクから、前記混合重みを更新する混合重み更新ステップと、
前記特徴量ベクトルと、前記マスクとを用いて、前記形状パラメータを更新するパラメータ更新ステップと
を含み、
前記要素分布は、回転対称ではない分布形状も表現することができることを特徴とするマスク推定方法。 - マスク推定装置が実行するマスク推定方法であって、
前記マスク推定装置は、複数の音響信号が混在する状況下で、異なる位置で取得した複数の観測信号から、前記観測信号の時間周波数成分を時間周波数点毎にまとめることにより抽出された特徴量ベクトルの確率分布を複数の要素分布からなる混合分布でモデル化する際の各要素分布の混合重みと、各要素分布の形状を制御可能なモデルパラメータである形状パラメータとを記憶する記憶部を備え、
前記特徴量ベクトルを抽出する特徴抽出ステップと、
前記特徴量ベクトルと、前記混合重みと、前記形状パラメータとを用いて、各時間周波数点に対して各要素分布が寄与する割合を要素分布毎かつ時間周波数点毎に示すマスクを推定して更新するマスク更新ステップと、
前記マスク更新ステップにより更新されたマスクから、前記混合重みを更新する混合重み更新ステップと、
前記特徴量ベクトルと、前記マスクとを用いて、前記形状パラメータを更新するパラメータ更新ステップと
を含み、
前記要素分布の確率密度関数は、zを独立変数、aを単位ベクトル、・Hをエルミート転置として、aとzの内積aHzの絶対値|aHz|の関数ではない確率密度関数も表現することができることを特徴とするマスク推定方法。 - マスク推定装置が実行するマスク推定方法であって、
前記マスク推定装置は、複数の音響信号が混在する状況下で、異なる位置で取得した複数の観測信号から、前記観測信号の時間周波数成分を時間周波数点毎にまとめることにより抽出された特徴量ベクトルの確率分布を複数の要素分布からなる混合分布でモデル化する際の各要素分布の混合重みと、各要素分布の形状を制御可能なモデルパラメータである形状パラメータとを記憶する記憶部を備え、
前記特徴量ベクトルを抽出する特徴抽出ステップと、
前記特徴量ベクトルと、前記混合重みと、前記形状パラメータとを用いて、各時間周波数点に対して各要素分布が寄与する割合を要素分布毎かつ時間周波数点毎に示すマスクを推定して更新するマスク更新ステップと、
前記マスク更新ステップにより更新されたマスクから、前記混合重みを更新する混合重み更新ステップと、
前記特徴量ベクトルと、前記マスクとを用いて、前記形状パラメータを更新するパラメータ更新ステップと
を含み、
前記要素分布の確率密度関数は、zを独立変数、Aを行列、・Hをエルミート転置として、二次形式zHAzの関数であり、
前記形状パラメータは、前記行列Aを定めるパラメータである
ことを特徴とするマスク推定方法。 - マスク推定装置が実行するマスク推定方法であって、
前記マスク推定装置は、複数の音響信号が混在する状況下で、異なる位置で取得した複数の観測信号から、前記観測信号の時間周波数成分を時間周波数点毎にまとめることにより抽出された特徴量ベクトルの確率分布を複数の要素分布からなる混合分布でモデル化する際の各要素分布の混合重みと、各要素分布の形状を制御可能なモデルパラメータである形状パラメータとを記憶する記憶部を備え、
前記特徴量ベクトルを抽出する特徴抽出ステップと、
前記特徴量ベクトルと、前記混合重みと、前記形状パラメータとを用いて、各時間周波数点に対して各要素分布が寄与する割合を要素分布毎かつ時間周波数点毎に示すマスクを推定して更新するマスク更新ステップと、
前記マスク更新ステップにより更新されたマスクから、前記混合重みを更新する混合重み更新ステップと、
前記特徴量ベクトルと、前記マスクとを用いて、前記形状パラメータを更新するパラメータ更新ステップと
を含み、
前記形状パラメータは、各要素分布の分布形状を表す楕円の各軸方向の分布広がりの情報を含む
ことを特徴とするマスク推定方法。 - 請求項1〜6のいずれか1つに記載のマスク推定装置としてコンピュータを機能させるためのマスク推定プログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016027424 | 2016-02-16 | ||
JP2016027424 | 2016-02-16 | ||
PCT/JP2016/087996 WO2017141542A1 (ja) | 2016-02-16 | 2016-12-20 | マスク推定装置、マスク推定方法及びマスク推定プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2017141542A1 JPWO2017141542A1 (ja) | 2018-07-12 |
JP6535112B2 true JP6535112B2 (ja) | 2019-06-26 |
Family
ID=59625834
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017567967A Active JP6535112B2 (ja) | 2016-02-16 | 2016-12-20 | マスク推定装置、マスク推定方法及びマスク推定プログラム |
Country Status (4)
Country | Link |
---|---|
US (1) | US10878832B2 (ja) |
JP (1) | JP6535112B2 (ja) |
CN (1) | CN108701468B (ja) |
WO (1) | WO2017141542A1 (ja) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11423924B2 (en) * | 2018-02-23 | 2022-08-23 | Nippon Telegraph And Telephone Corporation | Signal analysis device for modeling spatial characteristics of source signals, signal analysis method, and recording medium |
JP6915579B2 (ja) * | 2018-04-06 | 2021-08-04 | 日本電信電話株式会社 | 信号分析装置、信号分析方法および信号分析プログラム |
JP6992709B2 (ja) * | 2018-08-31 | 2022-01-13 | 日本電信電話株式会社 | マスク推定装置、マスク推定方法及びマスク推定プログラム |
CN109859769B (zh) * | 2019-01-30 | 2021-09-17 | 西安讯飞超脑信息科技有限公司 | 一种掩码估计方法及装置 |
CN110674528B (zh) * | 2019-09-20 | 2024-04-09 | 深圳前海微众银行股份有限公司 | 联邦学习隐私数据处理方法、设备、系统及存储介质 |
CN113539290B (zh) * | 2020-04-22 | 2024-04-12 | 华为技术有限公司 | 语音降噪方法和装置 |
CN112564885B (zh) * | 2020-11-26 | 2022-07-12 | 南京农业大学 | 基于掩码变量最大概率密度函数分布的侧信道测试分析方法 |
JP7487795B2 (ja) | 2020-12-14 | 2024-05-21 | 日本電信電話株式会社 | 音源信号生成装置、音源信号生成方法、プログラム |
US11755888B1 (en) * | 2023-01-09 | 2023-09-12 | Fudan University | Method and system for accelerating score-based generative models with preconditioned diffusion sampling |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6816632B1 (en) * | 2000-02-17 | 2004-11-09 | Wake Forest University Health Sciences | Geometric motion analysis |
KR100647286B1 (ko) * | 2004-08-14 | 2006-11-23 | 삼성전자주식회사 | 교차채널 간섭을 제거하기 위한 후처리장치 및 방법과이를 이용한 다채널 음원 분리장치 및 방법 |
TWI257482B (en) * | 2004-12-15 | 2006-07-01 | Spirox Corp | Method and apparatus for measuring jitter of signal |
JP2006337851A (ja) * | 2005-06-03 | 2006-12-14 | Sony Corp | 音声信号分離装置及び方法 |
JP4675177B2 (ja) * | 2005-07-26 | 2011-04-20 | 株式会社神戸製鋼所 | 音源分離装置,音源分離プログラム及び音源分離方法 |
JP2007156300A (ja) * | 2005-12-08 | 2007-06-21 | Kobe Steel Ltd | 音源分離装置、音源分離プログラム及び音源分離方法 |
US8433199B2 (en) * | 2008-03-18 | 2013-04-30 | Princeton University | System and method for nonlinear self-filtering via dynamical stochastic resonance |
JP5480496B2 (ja) * | 2008-03-25 | 2014-04-23 | 株式会社ニューフレアテクノロジー | 荷電粒子ビーム描画方法及び荷電粒子ビーム描画装置 |
JP5277887B2 (ja) * | 2008-11-14 | 2013-08-28 | ヤマハ株式会社 | 信号処理装置およびプログラム |
KR20110072630A (ko) * | 2009-12-23 | 2011-06-29 | 삼성전자주식회사 | 빔의 위치 측정 장치 및 방법 |
JP5728888B2 (ja) * | 2010-10-29 | 2015-06-03 | ソニー株式会社 | 信号処理装置および方法、並びにプログラム |
JP5621637B2 (ja) * | 2011-02-04 | 2014-11-12 | ヤマハ株式会社 | 音響処理装置 |
US9291725B2 (en) * | 2012-05-16 | 2016-03-22 | Kabushiki Kaisha Toshiba | Random coincidence reduction in positron emission tomography using tangential time-of-flight mask |
CN103594093A (zh) * | 2012-08-15 | 2014-02-19 | 王景芳 | 基于信噪比软掩蔽语音增强方法 |
JP6253226B2 (ja) * | 2012-10-29 | 2017-12-27 | 三菱電機株式会社 | 音源分離装置 |
US10475440B2 (en) * | 2013-02-14 | 2019-11-12 | Sony Corporation | Voice segment detection for extraction of sound source |
JP6059072B2 (ja) * | 2013-04-24 | 2017-01-11 | 日本電信電話株式会社 | モデル推定装置、音源分離装置、モデル推定方法、音源分離方法及びプログラム |
US9497528B2 (en) * | 2013-11-07 | 2016-11-15 | Continental Automotive Systems, Inc. | Cotalker nulling based on multi super directional beamformer |
CN105096961B (zh) * | 2014-05-06 | 2019-02-01 | 华为技术有限公司 | 语音分离方法和装置 |
US20160216384A1 (en) * | 2015-01-26 | 2016-07-28 | Brimrose Technology Corporation | Detection of nuclear radiation via mercurous halides |
-
2016
- 2016-12-20 CN CN201680081856.3A patent/CN108701468B/zh active Active
- 2016-12-20 US US15/998,742 patent/US10878832B2/en active Active
- 2016-12-20 WO PCT/JP2016/087996 patent/WO2017141542A1/ja active Application Filing
- 2016-12-20 JP JP2017567967A patent/JP6535112B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
WO2017141542A1 (ja) | 2017-08-24 |
CN108701468A (zh) | 2018-10-23 |
US10878832B2 (en) | 2020-12-29 |
CN108701468B (zh) | 2023-06-02 |
US20190267019A1 (en) | 2019-08-29 |
JPWO2017141542A1 (ja) | 2018-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6535112B2 (ja) | マスク推定装置、マスク推定方法及びマスク推定プログラム | |
US10643633B2 (en) | Spatial correlation matrix estimation device, spatial correlation matrix estimation method, and spatial correlation matrix estimation program | |
US10650841B2 (en) | Sound source separation apparatus and method | |
US11456003B2 (en) | Estimation device, learning device, estimation method, learning method, and recording medium | |
CN111415676A (zh) | 一种基于分离矩阵初始化频点选择的盲源分离方法及系统 | |
JP6517760B2 (ja) | マスク推定用パラメータ推定装置、マスク推定用パラメータ推定方法およびマスク推定用パラメータ推定プログラム | |
Drude et al. | Unsupervised training of neural mask-based beamforming | |
JP7176627B2 (ja) | 信号抽出システム、信号抽出学習方法および信号抽出学習プログラム | |
JP2018141922A (ja) | ステアリングベクトル推定装置、ステアリングベクトル推定方法およびステアリングベクトル推定プログラム | |
JP6538624B2 (ja) | 信号処理装置、信号処理方法および信号処理プログラム | |
EP3550565A1 (en) | Audio source separation with source direction determination based on iterative weighting | |
JP5726790B2 (ja) | 音源分離装置、音源分離方法、およびプログラム | |
JP6910609B2 (ja) | 信号解析装置、方法、及びプログラム | |
JP6370751B2 (ja) | ガウス混合モデルパラメータ計算装置、情報推定装置、音強調装置、これらの方法及びプログラム | |
JP6636973B2 (ja) | マスク推定装置、マスク推定方法およびマスク推定プログラム | |
JP2016156944A (ja) | モデル推定装置、目的音強調装置、モデル推定方法及びモデル推定プログラム | |
JP6734237B2 (ja) | 目的音源推定装置、目的音源推定方法及び目的音源推定プログラム | |
JP6114053B2 (ja) | 音源分離装置、音源分離方法、およびプログラム | |
KR101647059B1 (ko) | 독립 벡터 분석 및 모델 기반 특징 향상을 이용한 강인한 음성 인식 방법 | |
Loweimi et al. | On the usefulness of statistical normalisation of bottleneck features for speech recognition | |
JP6915579B2 (ja) | 信号分析装置、信号分析方法および信号分析プログラム | |
Rafique et al. | Speech source separation using the IVA algorithm with multivariate mixed super gaussian student's t source prior in real room environment | |
CN109074811A (zh) | 音频源分离 | |
Vincent | Advances in audio source seperation and multisource audio content retrieval | |
JP2023039288A (ja) | 音源分離モデル学習装置、音源分離装置、音源分離モデル学習方法、音源分離方法及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180221 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20181218 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190213 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190528 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190530 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6535112 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |