独立深層学習行列分析におけるマイクロホン毎の座標降下法に基づく分離行列更新

摘要

音源分離とは複数の音源が混合した観測信号から混合前の各音源信号を推定する技術である。従来，ブラインド音源分離や教師あり音源分離として多くの技術が提案されてきた。特に，独立深層学習行列分析（independent deeply learned matrixanalyis: IDLMA） は，分離行列のブラインドな推定と音源モデルのdeep neural network（DNN）による推論を組み合わせた手法であり，高い分離性能を示している。IDLMA では，分離行列の推定に，反復射影法（iterative projection: IP） と呼ばれる座標降下法が用いられる。IP は高速なアルゴリズムであるが，更新中において数値的に不安定となる場合がある。