|
今年度は，了解度推定を観測された物理的な特徴から直接行うのではなく，中間特徴量を利用することを検討した。シミュレーション音源ではSTOI (Short Time Objective Intelligibility)，SIMI (Speech Intelligibility Prediction Based onMutual Information)，ESTOI (Extended STOI)の3指標の3種を比較し，平均的にはSIMIの精度が高いことが判明した。
次に，実測音源に対してはMFCCを音響特徴量として，主観評価指標であるLDR (Listening Difficulty Rate)を予測するモデルを機械学習モデルで検討した。このパターンは昨年度の検討では教師となる主観評価値が少なく，RMSE (Root MeansSquared Error)が0.20となった。そこで，MFCCから中間特徴量となる客観評価値を予測モデルと，中間特徴量から主観評価値を予測する2モデルの組み合わせを検討した。その結果，中間特徴量に用いる指標として，シミュレーション音源と同様にSTOI，SIMI，ESTOIの3指標を比較した。その結果，最適な中間特徴量はSNRにより異なったものの，SNRが0 dBから30 dBの範囲では以前の検討よりも良い，RMSE0.14以下を達成した。さらに実環境で動作する実機モデルのIoT版を作成し，5つのモジュールで動作することを確認した。
|
