話者情報を用いた周波数振り分けによる混合音声分離

摘要

本稿では、混合音声の分離に話者情報 (モデル）を利用することを提案する。 提案する話者モデルは、遷移確率が全て等しいエルゴティツクHMMであり、各ステートは周波数成分ごとに独立にGMMによってモデル化される (Independent Mixture Model：IMM) 。 この話者モデルを用いることで、単一の入力信号から音声を分離することが可能となる。 さらに、この話者モデルをマルチチャンネルの混合音声分離に適用することを提案する。 複数の入力信号による空間情報と、話者モデルによる周波数情報を確率的に統合することで、より高精度に混合音声を分離することが可能となる。 計算機シミュレーションにおける実験結果、および実環境での実験を通して、提案手法の有効性を示す。