残響下でのDNNを用いた音源方向推定における入力長の影響の検討

摘要

マイクロホンアレイを用いた音源方向推定技術は，rn会議録音や音声認識での雑音抑圧の前処理，監視カメrnラにおける音源追跡など様々な応用がなされている。rn音源方向推定には，各マイクロホン間の音声の到来時rn間差を推定し音源方向を算出する手法，ビームを走査rnして音源方向を検出する手法などがあるが，いずれもrn室内環境における残響の影響によって，推定精度が低rn下することが知られている。実社会での応用にはrnこの課題の解決が不可欠であり，推定精度の改善のたrnめに様々な手法が提案されている。その中に，DeeprnNeural Network（DNN）を用いる手法がある。本稿でrnは以降，DNN を用いた音源方向推定を“DNN 音源方rn向推定” と呼ぶ。DNN 音源方向推定には，一般化相rn互相関関数（GCC: Generalized Cross Correlation）rnを入力とするもの，各周波数成分の位相情報を入rn力するもの[4] などがある。本研究では，GCC の一rn種であるGCC-PHAT（GCC - Phase Transform）を入rn力とする残響下でのDNN 音源方向推定において，入rn力長が推定精度に与える影響について検討する。