深層学習を用いた音源方向推定における方向誤差最小化のための目的関数設計

摘要

マイクロホンアレイを用いた音源方向推定技術は音声認識システムにおける雑音抑圧や防犯カメラでの音源追跡などの応用がある。音源方向推定の主な手法には，MUltiple SIgnal Classifiation(MUSIC)[1] やGeneralized Cross Correlation (GCC)[2] といった方法がある。一方で音源方向推定は雑音や室内残響によってその推定精度が低下することが知られており，その推定精度を改善する手法が幾つか検討されているが，これといった手法が確立されていない。また近年のDeep Neural Network(DNN)[3] の成功から，音源方向推定技術への応用が検討されている[4, 5, 6]。DNN を用いた場合，方向推定は回帰の問題ではなく，多クラス分類の問題として考えることが多い。そのとき目的関数にはクロスエントロピー関数[7] を用いられてきた。これまで深層学習を用いた音源方向推定に対して入力特徴量やニューラルネットワークの構造に対する検討が行われてきた一方で，学習に用いる目的関数については考慮されてこなかった。本検討では学習ベースでの音源方向推定に多クラス分類を用いる場合の目的関数の問題について議論する。そして，従来のクロスエントロピー関数に加え，強化学習[8, 9] の枠組みである報酬関数を含めた目的関数を提案する。提案手法の性能はシミュレーションにて確認する。