音声と騒音の密度比推定を用いた音声区間検出法  [in Japanese] Voice activity detection using density ratio estimation of speech and noise  [in Japanese]

Search this Article

Author(s)

Abstract

本報では,密度比モデルを用いた頑健な音声区間検出法を提案する.高騒音下での音声区間検出には,尤度比を用いる手法(Likelihood ratio test, LRT)が有効である.従来のLRTでは,音声と騒音のモデルを構築し,それぞれの尤度を計算したのちに,それらのモデルの尤度の比を計算し音声区間を検出する.ここには2点の課題がある.1点目は,LRTにおいては,音声と騒音のモデルの尤度比が必要とされているのであり,それぞれの尤度は必要ないことが考慮されていない点てある.提案法では音声と騒音の尤度を算出することなく,得られた密度比モデルにより直接尤度比を計算する.2点目は,閾値の決定の問題である.閾値は音声・非音声の判断に使われ,音声区間検出の性能に大きな影響を与える.われわれはクラスタリング分析の手法を用いて,閾値を自動決定する手法を提案する.実験の結果,提案法は従来法に比べて,特に非定常性の騒音下で有効であることが示された.また,騒音の特徴に応じて自動的に閾値が定められることを示した.

In this paper, we propose a robust voice activity detection (VAD) method that uses a density ratio model. For VAD under highly noisy environments, the likelihood ratio test (LRT) is effective. Conventional LRT constructs speech and noise models, calculates the likelihood of each model, and takes the ratio of those likelihoods to detect speech. Here, there are two problems. First, in LRT, it is ignored that the likelihood ratio of speech and noise model is required, not the likelihood of each model. The proposed method directly estimates the likelihood ratio without calculating each likelihood using an obtained density ratio model. Second, there is the problem of determining thresholds, which are used for determining whether speech or not and significantly affect VAD performance. We propose a method that automatically determines thresholds using clustering analysis. The experiments show that the proposed method is more effective than conventional methods especially under non-stationary noisy environments, and that thresholds can be automatically determined according to noise features.

Journal

  • IEICE technical report. Speech

    IEICE technical report. Speech 112(141), 23-28, 2012-07-12

    The Institute of Electronics, Information and Communication Engineers

References:  10

Codes

  • NII Article ID (NAID)
    110009626206
  • NII NACSIS-CAT ID (NCID)
    AN10013221
  • Text Lang
    JPN
  • Article Type
    ART
  • ISSN
    0913-5685
  • NDL Article ID
    023872711
  • NDL Call No.
    Z16-940
  • Data Source
    CJP  NDL  NII-ELS 
Page Top