@techreport{oai:ipsj.ixsq.nii.ac.jp:00209752,
 author = {尾座本, 耕平 and 岩野, 公司 and 宇都, 有昭 and 篠田, 浩一 and Kohei, Ozamoto and Koji, Iwano and Kuniaki, Uto and Koichi, Sshinoda},
 issue = {14},
 month = {Feb},
 note = {近年，深層学習を用いた音声分離が盛んに研究されている．波形を直接入力する時間領域の手法であるTasNetは，音声を畳み込みによって特徴量に変換した上で分離を行い，分離した特徴量に対して畳み込みを行って波形を再構成する．畳み込みフィルタは基底信号と呼ばれ，話者間の分離精度を高めるように学習される．この手法は，音声に雑音が含まれている場合に分離性能が大きく低下する．そこで我々は，話者の基底信号に加え雑音の基底信号を追加することで分離性能を向上させる方法 TasNet with noise basis signals（TasNet-NB）を提案する．雑音のSN比を徐々に小さくするカリキュラム学習と雑音の再構成損失の計算を用いる．WHAM!データセットを用いて評価した結果，SI-SDRiが13.7から14.6に向上した., Recently, speech separation using deep learning has been extensively studied. TasNet, a time-domain method that directly inputs waveforms, converts speech into features by convolution, performs separation, and reconstructs waveform by convolution on separated features. The convolutional filter is called basis signals and is trained to improve separation accuracy between speakers. The separation performance of this method is greatly degraded when the speech contains noise. Therefore, we propose TasNet with noise basis signals (TasNet-NB), a method to improve separation performance by adding noise basis signals to speaker’s basis signals. We evaluate the method on WHAM! dataset and show that it improves SI-SDRi from 13.7 to 14.6.},
 title = {雑音の基底信号を用いた耐雑音性の高い時間領域音声分離},
 year = {2021}
}