[論文レビュー] Blind speech separation based on undecimated wavelet packet-perceptual filterbanks and independent component analysis

Ibrahim Missaoui, Zied Lachiri|arXiv (Cornell University)|Oct 14, 2012

Blind Source Separation Techniques参考文献 27被引用数 6

ひとこと要約

本論文は、非減数ウェーブレットパッケージ分解（UWPD）と知覚的チューニングされたフィルターバンク、および尖度最大化を用いた独立成分分析（ICA）を組み合わせた、新しいブラインド音声分離システムを提案する。信号表現における非ガウス性の強化により、インスタントタス・2音声源混合において、FastICA や他のベンチマーク手法よりも優れた分離性能を達成する。

ABSTRACT

In this paper, we address the problem of blind separation of speech mixtures. We propose a new blind speech separation system, which integrates a perceptual filterbank and independent component analysis (ICA) and using kurtosis criterion. The perceptual filterbank was designed by adjusting undecimated wavelet packet decomposition (UWPD) tree in order to accord to critical band characteristics of psycho-acoustic model. Our proposed technique consists on transforming the observations signals into an adequate representation using UWPD and Kurtosis maximization criterion in a new preprocessing step in order to increase the non-Gaussianity which is a pre-requirement for ICA. Experiments were carried out with the instantaneous mixture of two speech sources using two sensors. The obtained results show that the proposed method gives a considerable improvement when compared with FastICA and other techniques.

研究の動機と目的

• ソースや混合条件に関する事前知識なしに混合音声信号を分離する課題に対処すること。
• 有効な独立成分分析（ICA）の前提条件を満たすために、音声信号の非ガウス性を向上させること。
• 人間の聴覚臨床帯特性に一致する、非減数ウェーブレットパッケージ分解（UWPD）に基づく知覚的フィルターバンクを設計すること。
• ICA の前処理段階で尖度最大化を統合することで、分離性能を向上させること。
• 実世界の音声混合シナリオにおいて、FastICA や他の既存手法と比較して、提案手法の有効性を検証すること。

提案手法

• 本手法は、混合音声信号の冗長的かつシフト不変な時間周波数表現を生成するために、非減数ウェーブレットパッケージ分解（UWPD）を用いる。
• 人間の心理音響モデルの臨床帯レートに一致するように UWPD 樹形構造を最適化することで、知覚的フィルターバンクを構築する。
• 変換された信号の非ガウス性を向上させるために、前処理段階で尖度最大化を適用し、ICA の性能を向上させる。
• 非ガウス性が強化された表現に、独立成分分析（ICA）を適用して元の音声源を分離する。
• 2つのセンサーを用いて、インスタントタスの2音声信号混合をシミュレートする。
• 客観的指標を用いて評価し、FastICA や他の従来手法と比較する。

実験結果

リサーチクエスチョン

• RQ1 非減数ウェーブレットパッケージ分解に基づく知覚的インスピレーションを受けるフィルターバンクは、音声混合の非ガウス性を向上させることができるか？
• RQ2 前処理段階で尖度最大化を統合することで、ブラインド音声分離における ICA の性能が向上するか？
• RQ3 提案された UWPD-知覚的フィルターバンク-ICA システムは、FastICA や他の既存手法と比較して、2音声源の分離においてどのように性能を発揮するか？
• RQ4 フィルターバンクの知覚的整合性は、信号対雑音比および話者の理解度という観点から、分離品質をどの程度向上させるか？
• RQ5 インスタントタス混合条件下で、音声信号の特徴に変動が生じても、本手法は頑健であるか？

主な発見

• 提案手法は、FastICA や他の従来手法と比較して、顕著な音声分離品質の向上を達成した。
• 前処理段階で尖度最大化を統合することで、信号表現の非ガウス性が効果的に向上し、これは ICA の成功にとって不可欠である。
• 非減数ウェーブレットパッケージ分解の使用により、シフト不変性が保たれ、音声信号の微細な時間的構造が保持された。
• 最適化された UWPD 樹形から導出された知覚的チューニングされたフィルターバンクは、人間の聴覚認識に適しており、分離の忠実度が向上した。
• 実験結果から、提案システムは分離精度および信号対干渉比の観点で、FastICA を上回ることが明らかになった。
• 2つのセンサーを用いたインスタントタスの2音声源混合において、本手法は実用的応用性を確認した。