STOI型客観了解度指標を用いた屋外拡声音の聴き取りにくさ予測モデルの評価

摘要

屋外拡声システムは日常生活での放送で利用されるだけでなく，緊急時に避難の呼びかけをする重要なシステムである。本稿では，屋外での拡声器のインパルス応答を畳み込hだ音声を主観品質指標であるListening difficulty rating（LDR）で評価した。次に，3種のST0I型客観了解度指標でモデル化した。その結果，主観評価値とST0I型指標値の相関係数で0.973～0.981と高精度なモデルが作成できた。しかし，ST0I型指標の計算には原音が必要であり，騒音計のように実際の屋外拡声音声のみで予測する事に適さない。そこで，屋外拡声音から音響特徴量としてメルケプスラム係数MFCCとそのデルタパラメータを求め，ST0I型指標値を予測する機械学習モデルを作成した。機械学習手法には，深層学習であるDNN（Deep neural network），決定木のアンサンブルであるRandom forestsおよびスパースモデリングの手法であるElastic netを比較した。その結果，SNR別のRMSE（Root mean squared error）は学習手法ごとに大きく傾向が異なったが，平均するとDNNでST0Iを予測した際にRMSEが0.159と最小であった。