独立深層学習行列分析に基づく多チャネル音源分離の実験的評価

摘要

本稿では，新しい教師あり多チャネル音源分離手法である独立深層学習行列分析（IDLMA）を提案する．IDLMAは，従来のブラインド音源分離の独立低ランク行列分析と，近年発展している教師あり学習のディープニューラルネットワーク（DNN）を融合したアルゴリズムであり，独立成分分析を起源とする統計的独立性に基づく信号分離理論の正当な教師あり拡張手法である．本手法では，DNNを用いて音源の時間周波数構造をモデル化しつつ，観測信号の空間的な混合モデルをブラインドに推定することができる．音楽信号を用いた評価実験では，IDLMAが従来のDNNに基づく多チャネル音源分離手法よりも高速かつ高精度な音源分離を実現できることを示す．