解析型二次統計量ICAとkurtosisに基づく学習区間判定を用いた高次統計量ICAの高速化

摘要

A hands-free system with conventional independent component analysis (ICA) should update the separation filter constantly to follow the hourly environment change. In an actual environment, however, there exists a time period when the user is absent and only noises arise. If we continuously conduct the separation-filter updating in such a period via the same manner when target speech exists, ICA often yields an improper separation filter and performance degradation of the hand s-free system. This study proposes a novel algorithm of kurtosis-based voice activity detection (VAD) for an appropriate ICA optimization. In the proposed algorithm, first, closed-form 2nd-order ICA (SO-ICA) is performed for providing the rough ly-separated signals, and based on the kurtosis of the roughly-separated signal, VAD is processed. Next, when the current time period is voiced block, higher-order ICA's re-optimization is applied using the previously obtained SO-ICA's solution as the initial filter; this results in a fast and high convergence. In this paper, we reveal the effectiveness of the proposed method by performing a simulation experiment for blind spatial subtraction array with the proposed method under heavily noisy condition.%従来の独立成分分析（ICA）を用いたハンズフリーシステムでは，時々刻々と変化する環境に追従するために分離フィルタを逐次学習することが必要であった．しかし，実環境においては，しばしば利用者が不在で雑音のみが存在する時間帯が生じる．このような時間帯において利用者が存在する時間帯と同様の学習を行うと，不適切な分離フィルタが生成され，システム自体の性能の低下に繋がる．本研究では，適切な分離フィルタ学習のために，kurtosisに基づく音声区間検出法を提案する．本手法では，まず，closed-form二次統計量ICAによってある程度の分離を行い，その分離信号のkurtosisから利用者の発話の有無を判断する．次に，発話のある時間帯では，closed-form二次統計量ICAの分離フィルタを初期値として高次統計量ICAによる反復学習を行い，高速に性能の良い分離フィルタを再構成する．本稿では，提案法を組み込んだブラインド空間的サブトラクションアレーのシミュレーション実験により，厳しい雑音環境下における提案法の有効性を示す．