マルチチャネルNMFにおける階層的クラスタ分析を用いた音声認識性能の向上

摘要

非負値行列因子分解(Nonnegative Matrix Factorization:rnNMF)とは、非負値の行列を分解し、解析rnを行う手法である。行列表現できるデータならば適用rn可能なため、音や画像、文書など多種多様なものに利rn用できる。音響分野では、NMF をマルチチャネル拡rn張することで空間情報を活用し、音源分離を行うマrnルチチャネルNMF (MNMF) が提案されている。rnしかし、MNMF は自由度が高いため、局所最適解にrn陥りやすく、分離性能の初期値依存性が課題となってrnいる。以前著者らは、通常ランダムに初期値を設rn定することの多い分離行列に対して、バイナリマスクrnとEM アルゴリズムを用いて空間相関行列に初期値rnを計算する手法を提案した。この手法によって得rnられた分離信号を認識に適用することで認識性能向rn上を確認した。ただし、空間相関行列に初期値の設定rnを行った場合でも、分離信号の性能がばらついてしまrnう。そこで本稿はこのばらつきを利用し、複数回の分rn離をして得られた信号に階層的クラスタ分析を行い、rn分析結果として得られたクラスタの中で、高い性能rnを持つ信号が属するものにアンサンブル平均を適用rnして新たな信号を算出する手法を提案する。