風雑音除去アルゴリズム
徳島大学工学部知能情報工学科
A1 グループ
学部４年 森陽司
研究の背景と目的
ホームビデオ等野外撮影機器の普及
⇒ 野外での録音機会の増加
野外録音における問題
⇒ 風雑音の影響
観測信号から風雑音の除去を行う
従来手法
ハードウェアによる雑音混入の防止
風防，マイクの形状
問題点
風雑音の混入を防ぐのみ
雑音混入の防止をしているものの，風雑音の
影響を受けてしまう
提案手法
ソフトウェアによる風雑音除去
⇒観測信号に風雑音が混入しても，
風雑音を除去し，希望信号を取り出すことが可能
風雑音について
風雑音のパワースペクトル
雑音除去手法
雑音特性により，最適な手法は異なる
風雑音はその形状特徴より，
SS(Spectral Subtraction)法を用いる
Spectral Subtraction
観測信号は雑音と信号の和と考える
y (t ) s (t ) n(t )
y (t ) : 観測信号, s (t ) : シグナル , n(t ) :ノイズ
Spectral Subtraction
観測信号のSTFT(short-time Fourier
transform)を以下のように定義する
jΦy (ω)
Y (k ,ω) | Y (k ,ω) | e
S (k ,ω) N (k ,ω)
S (k ,ω) Y (k ,ω) N (k ,ω)
Spectral Subtraction
フーリエ空間上で雑音の
振幅スペクトルの減算としてSSを定義
| Sˆ (k ,ω) || Y (k ,ω) | α| N (ω) |
Sˆ (k ,ω) : シグナルの予測スペク トル
N (ω) : 雑音の平均スペクトル
α: 定数
Spectral Subtractionの問題点
雑音の減算を行う際に雑音の平均を
用いている
⇒雑音の引きすぎ，消し残りが起こる
| Sˆ (k ,ω) || Y (k ,ω) | α| N (ω) |
この問題を解決するための研究が
現在もさかんに行われている
提案手法１
フレーム毎に雑音レベルの推定を行い，
推定レベルに応じて雑音を引き去る
⇒雑音の引き過ぎ，消し残りを防ぐ
| Sˆ (k ,ω) || Y (k ,ω) | α| N (ω) |
| Sˆ (k ,ω) || Y (k ,ω) | α(k ) | N (ω) |
α(k)の導出
観測信号において音声の影響の少ない
低域を利用しα（ｋ）を導出する
min min{
min : (k )
(|
Y
(
k
,
)
|
|
N
(
)
|
)
}
i
i
i 0
l
2
予備実験１
観測信号から単に雑音の平均スペクトル
を引き去る
⇒（通常のＳＳ）
| Sˆ (k ,ω) || Y (k ,ω) | α| N (ω) |
音声認識を用いて評価
予備実験１ 実験結果
雑音除去後も雑音が残っていた
認識率の大きな低下の理由
⇒通常の音響モデルを使用
data
原音声
原音声＋雑音
雑音除去後
Accuracy(%)
87.56
71.95
24.13
予備実験２
観測信号から既知の雑音を
フーリエ空間で引き去る
⇒（SSの上限）
| Y ( k ,ω) | | N ( k ,ω) |
予備実験２ 実験結果
雑音除去後も少量の雑音が残っていた
⇒ＳＳを行う際の位相のずれが原因？
認識率は多少低下
data
Accuracy(%)
現音声
87.56
雑音除去後
81.88
提案手法１ 実験結果
予備実験１よりも原音声に近いものの，
雑音除去後も雑音が消し残っていた
| Sˆ ( k ,ω) || Y ( k ,ω) | α| N (ω) |
| Sˆ ( k ,ω) || Y ( k ,ω) | α( k ) | N (ω) |
フレーム毎の雑音の振幅スペクトルを
雑音の平均の振幅スペクトルで
近似できない
| N (k , ) | | N ( ) |
形状の異なる振幅スペクトル
26.28dB
33.10dB
提案手法２
風雑音のパワー毎に振幅スペクトルの
形状が異なると仮定
⇒仮定に基づき提案手法２を考案
提案手法１と異なり，複数の雑音モデル
を用意
提案手法２
1.
2.
3.
4.
5.
風雑音をパワーにより４状態（小，中，大，特大）に
大別する
各状態毎に平均の振幅スペクトルを算出し
雑音モデルを作成
観測信号より風雑音のパワー推定
パワーの推定値より雑音モデルを選択
α(k)を算出し，SS法を用いて雑音除去
| N low ( ) |, | N middle ( ) |, | N large ( ) |, | N very large ( ) |
風雑音パワー推定
1.
2.
観測信号において音声の影響が少ない
低域のパワースペクトルの和を算出
P.a.bとPの回帰直線を導出し観測信号か
ら風雑音のパワーを推定
P.a.b
P
|
Y
(
k
,
)
|
i
i a
b
| N (k ,
i
i
)|
2
2
回帰直線導出過程
相関係数
rxy
S xy
S xx S yy
⇒ x : P.a.b y : P
S xy : x, yの共分散 S xx : xの分散 S yy : yの分散
回帰直線導出過程
P.a.bとPの相関係数
Data
Noise
Noise+Signal
P0.2
０．９９５３２２ ０．９９１０８１
P.03
０．９９９７０７ ０．９９２１２９
P1.2
０．９８７９６３ ０．９６７０４７
P1.3
０．９９１２６９ ０．９６６８７６
回帰直線導出過程
回帰直線
y
⇒
S xy
S xx
(x x) y
x : P.a.b y : P
S xy : x, yの共分散 x : xの平均 y : yの平均
回帰直線導出
導出した回帰直線
P.0.3より y 0.976253x 1069892170.7
P.1.2より y 1.219466 x 7543929480.6
この二つの回帰直線を利用し，
観測信号から風雑音のパワーを推定
提案手法２の実験結果
雑音除去後の音声データを比較すると
提案手法１の実験結果とあまり差は
なかった
風雑音のスペクトル形状はパワーに依存
しないことが分かった
現状，今後の予定
風雑音の分析を詳しく行っている
客観的評価の導入
板倉，斉藤距離
風雑音の調査のためのVQの
プログラムを作成
風雑音のみのデータに対し，
風雑音除去手法の確立を目指す
© Copyright 2024 ExpyDoc
