話者方位推定を利用した動的時間頸域刬理に基づく遠隔発話区間検出

摘要

雑音下で観測された信号から音声を検出する発話区間検出は，頑健な音声入力を行うために必要不rn可欠な技術である．本論文では雑音に頑健な発話区間検出を実現するために，2チャネルマイクロホンアレーのrn観測信号から得られる空間特徴量と時間特徴量を併せて利用する手法を提案する．提案手法ではまず，WCSPrn（Weighted Cross-power Spectrum Phase）法と最ゆう推定法によって話者方位を推定し，音声の空間信頼度とrn空間分散度の二つの空間特徴量を観測信号から抽出する．そして，空間信頼度と空間分散度に基づいて振幅レベrnルしきい値とゼロ交差回数しきい値/エネルギーレベルしきい値を動的に制御する適応ゼロ交差検出法/適応短時rn間エネルギーしきい値法によって発話区間を検出する．定常無指向性雑音，定常指向性雑音と突発指向性雑音がrn混在する実騒音環境における評価実験の結果，空間特徴量と時間特徴量を用いた提案手法は，空間/時間特徴量をrn単独で用いた従来手法やETSI（the European Telecommunications Standards Institute）の標準化手法AFErn（Advanced Front End）よりも高い発話区間検出性能を得られることが確認できた．