調波構造に基づくDeep Auto Encoderを用いた残響下音声強調

摘要

本稿では，調波構造に基づくDeep Auto Encoder（DAE）を用いた残響下音声強調手法について述べる．DAEとは回帰タスクのためのDeep Neural Network（DNN）のことである．最近，対数パワースペクトルを特徴量とし，残響が重畳された音声からクリーン音声を復元するDAEが検討されている．しかしながら，残響構造の複雑さゆえにモデルの最適化が困難となり，強調音声のスペクトル（特に調波構造）が十分に復元されない問題がある．そこで本稿では，残響音声から抽出した調波構造によりDAEの入力特徴量を拡張することで残響下音声強調の性能向上を目指す．また，調波構造を正確に抽出するため，連続スペクトル減算により残響に頑健なFO推定を検討する．最後に，提案手法の有効性を確認するため客観評価実験を実施した．客観評価実験では，調波構造の抽出精度を評価した後，強調音声の音声品質をPESQによって評価した．実験の結果より，入力特徴量に調波構造を追加することでPESQスコアが改善し，高い音声品質を保持できることを確認した．