| 研究概要 |
音声信号からのノイズ除去手法としては様々な手法が提案されているが,本研究では近年信号処理の分野で注目されているICA用いてノイズ除去を行う手法の開発を行った.これは,ノイズが本来の信号成分とは統計学的に独立であることに基づくものである.従来のICAは主としてニューラルネットワークを用いて実装されており,この場合,ノイズ除去性能は向上させるためには,ニューラルネットワークの閾値関数を入力となる信号の確率密度分布に応じて適切に決定する必要があった.本研究では,この点に関して信号の独立性を相互情報量を数値積分によって求めることによって直接的に評価し,入力信号の確率密度分布に依存しないノイズ除去手法の開発を目的としている.この目的に対して,計画初年度では,従来のニューラルネットワークを初めとする微分情報に基づいた逐次最適化アルゴリズムを基本として,相互情報量を数値積分によって評価するための枠組みとGAによる実装について基礎的な検討とシミュレーションを行った.結果として,従来ニューラルネットワークで実装されていた手法と比較して,同程度の信号分離を行うことが可能であることが示された.また,様々な確率分布をもつ入力信号に対しても安定した分離性能を得ることができた.しかし,相互情報量の数値積分とGAによる最適化には膨大な計算コストが必要であるため,実用化に際しては大きな問題になると考えられる.次年度ではこの点についてさらに検討を進める予定である.
|
