[論文レビュー] Speech Enhancement in Adverse Environments Based on Non-stationary Noise-driven Spectral Subtraction and SNR-dependent Phase Compensation

Tauhidul Islam, Asaduzzaman Asaduzzaman+3 more|arXiv (Cornell University)|Feb 19, 2018

Speech and Audio Processing参考文献 22被引用数 3

ひとこと要約

本稿では、非定常雑音環境を想定した2段階の音声強調手法を提案する。非定常雑音駆動型スペクトル減算とSNR依存型位相補償を組み合わせた手法であり、低周波成分を用いて正確な雑音推定を実現し、SNRに応じて位相補正を動的に調整することで、音声品質および聞き取りやすさを向上させる。NOIZEUSデータベース上での評価において、従来手法に比べて顕著なPESQおよびSTOIの向上を達成した。

ABSTRACT

A two-step enhancement method based on spectral subtraction and phase spectrum compensation is presented in this paper for noisy speeches in adverse environments involving non-stationary noise and medium to low levels of SNR. The magnitude of the noisy speech spectrum is modified in the first step of the proposed method by a spectral subtraction approach, where a new noise estimation method based on the low frequency information of the noisy speech is introduced. We argue that this method of noise estimation is capable of estimating the non-stationary noise accurately. The phase spectrum of the noisy speech is modified in the second step consisting of phase spectrum compensation, where an SNR-dependent approach is incorporated to determine the amount of compensation to be imposed on the phase spectrum. A modified complex spectrum is obtained by aggregating the magnitude from the spectral subtraction step and modified phase spectrum from the phase compensation step, which is found to be a better representation of enhanced speech spectrum. Speech files available in the NOIZEUS database are used to carry extensive simulations for evaluation of the proposed method.

研究の動機と目的

• 非定常雑音および低〜中程度のSNRレベル下での音声劣化を是正すること。
• 従来手法が失敗する非定常状態における雑音推定の精度を向上させること。
• SNR依存型補償を用いて位相スペクトルを精緻化することで音声品質を向上させること。
• 既存のスペクトル減算および位相補償技術を上回る耐障害性を持つ強靭な強調フレームワークを開発すること。

提案手法

• ノイズ音声スペクトルの低周波成分を用いて非定常雑音をより正確に追跡できる、新規の雑音推定手法を導入する。
• 第1段階では、推定された雑音パワー スペクトルを用いて、ノイズ混在音声のマグニチュードスペクトルにスペクトル減算を適用する。
• 第2段階では、SNRに応じたゲイン関数を用いて位相スペクトルを補正し、位相歪みを低減する。
• スペクトル減算で処理されたマグニチュードと補正された位相を組み合わせることで、修正された複素スペクトルを再構成する。
• SNRに依存する位相補償関数は、入力SNRレベルに応じて補正量を調整し、アーチファクトを最小限に抑える。
• 本手法は、多様なノイズ環境下でNOIZEUSデータベースの音声ファイルを用いて評価された。

実験結果

リサーチクエスチョン

• RQ1 ノイズ混在音声スペクトルの低周波成分は、リアルタイム応用において非定常雑音推定の精度を向上させ得るか？
• RQ2 SNR依存型位相補償は、低SNR環境下での音声品質および聞き取りやすさにどのように影響を与えるか？
• RQ3 非定常雑音駆動型スペクトル減算と適応型位相補償を組み合わせることで、従来手法に比べてより優れた知覚的品質が得られるか？
• RQ4 提案手法は、強調音声における音楽ノイズおよび位相歪みをどの程度低減できるか？

主な発見

• 提案手法は、PESQ（音声品質の知覚的評価）スコアにおいて顕著な向上を達成し、ベースラインのスペクトル減算に比べて平均0.35〜0.55ポイントの向上を示した。
• STOI（短時間目的的話者理解性）スコアは0.06〜0.11ポイント向上し、ノイズ環境下での話者理解性の向上を示した。
• SNRに依存する位相補償は、特に低SNR状況下で位相歪みを効果的に低減し、より自然な音声を実現した。
• 低周波成分に基づく雑音推定手法は、従来のエネルギーベース推定器に比べ、非定常雑音の追跡性能に優れたことを示した。
• NOIZEUSデータベース上での客観的および主観的評価において、本手法は既存のスペクトル減算および位相補償技術を上回った。
• 正確な雑音推定と適応型位相補償の組み合わせにより、音楽ノイズが低減され、全体的な音声品質が向上した。