変調伝達関数に基づいたパヮーエンベロープ回復処理における音声区間検出の検討

摘要

This paper reports comparative evaluations of conventional voice activity detection (VAD) methods in reverberant environments. Both conventional (thresholding) and standard (G.729 and AMR) methods are discussed. In general, these methods work well under clean conditions, but their performance is drastically affected by reverberation. Preliminary comparative evaluations showed that the false acceptance rate (FAR) is significantly increased due to the false rejection rate (FRR) being moderately increased by reverberation. We therefore developed a method using MTF-based power envelope restoration to improve the robustness of VAD in reverberant environments. This restoration method can blindly restore the power envelope of reverberant speech based on the MTF concept. The proposed method consists of an MTF-based restoration method as the front end and a conventional VAD method as the final decision. Experimental results demonstrated that the proposed method is superior to conventional methods with regard to robustness and providing accurate VAD (reducing both FAR and FRR) in reverberant environments.%本論文では，はじめに，残響環境における代表的な音声区間検出（VAD)法の頑健性について検討した.ここでは，信号パワーに関する閾値処理，ならびにG.729B法とAMR法について比較検討した.その結果，これらの方法は，静音環境でうまく機能するが，残響環境ではその性能が著しく低下することがわかった.特に，残響の影響により，誤受理率（FAR)が誤棄却率（FRR)よりも著しく増加することがわかった.本論文では.これらの問題点を解決するために，パワーエンベロープ回復処理を利用したVAD法を提案した.この方法は，変調伝達関数に基づいた残響音声のパワーエンベロープをブラインド回復するものである.提案法は，前段にパワーエンベロープ回復法,後段に簡便なVAD法をとる2段処理で構成される.総合評価を行った結果，残響環境における頑健性に関して，提案法が代表的な方法よりも有効であり，音声•非音声区間を正確に検出できる（FARとFRRの減少）ことがわかった.