ハーモニック・クラスタリングによる多重音の基本周波数推定アルゴリズム
スポンサーリンク
概要
- 論文の詳細を見る
本報告では,複数音源による多重音のモノラル音響信号に対して,基本周波数を推定する手法を提案する。1つのクラスタが基本周波数の近傍および倍音周波数の近傍の周波数帯域によって構成されると見なすことにより,クラスタ内のスペクトル成分のクラスタリングを行うことができる。このようなアプローチを,ハーモニック・クラスタリングと呼ぶ。個々のスペクトル成分をいずれか1つのクラスタのみに割り当てるのではなく,複数のクラスタが確率的な尺度により共有するように扱うことで,このクラスタリングはEMアルゴリズムとして定式化ざれる.本手法を用い,独唱および多声音楽のモノラル音響信号から基本周波数推定を行い,性能の検証を行った。倍音構造の変化が著しい無伴奏歌唱に対し90.6%の音名正解率を得た。また,ビブラートやグリッサンドのようなピッチ変動が含まれるヴァイオリン三重奏に対し83.2%の音名正解率を得た。
- 一般社団法人情報処理学会の論文
- 2003-05-16
著者
-
篠田 浩一
東京工業大学情報理工学研究科計算工学専攻
-
篠田 浩一
東京工業大学
-
亀岡 弘和
NTTコミュニケーション科学基礎研究所
-
西本 卓也
東京大学大学院情報理工学系研究科
-
嵯峨山 茂樹
東京大学大学院情報理工学系研究科
-
亀岡 弘和
東京大学大学院情報理工学系研究科
関連論文
- シンボル列化したシーンの学習と2種のプレイ種相関度による野球放送映像プレイ種識別(画像・映像処理)
- 局所的な特徴と大局的な特徴を用いた監視カメラ映像からの行動イベント検出 (医用画像)
- SIFT混合ガウス分布と音響特徴を用いた映像からの高次特徴検出(テーマセッション関連,一般物体認識・画像特徴量)
- 畳み込みHMMに基づく歌声の基本周波数制御モデルの提案とそのパラメータ学習方法(音響分析一般(1))
- CHLAC特徴と隠れマルコフモデルを用いたGait認識(一般セッション2,複合現実感のためのパターン認識・理解)
- 統計的モデル選択によるシーン数の自動推定を用いた動画要約(一般セッション3,複合現実感のためのパターン認識・理解)
- 耐雑音音声認識のためのハフ変換による基本周波数情報抽出の高速化
- 合同特別企画: パネルディスカッション「"音"研究の未来」
- 音声とペン入力の同時入力に対する認識方式の検討(認識・理解・対話・一般)
- 音や映像から「部品」を取り出すメディアシーン学習技術 (特集 「見る・見せる」技術の最先端)
- 数値列化したイベントシーンの学習と試合進行状況情報による制約条件を用いた野球映像イベント識別(パターン認識・メディア理解のための学習理論とその周辺)
- 1.多重音解析と自動採譜(音楽情報処理技術の最前線)
- 基本周波数情報を用いたダイナミックベイジアンネットワークによる音声認識(聴覚・音声・言語とその障害,一般)
- 音声と手書き文字の同時入力インターフェース(マルチモーダル, コーパス・言語モデル)
- 十分統計量を用いた教師なし話者適応における話者選択法(一般(ポスターセッション),第9回音声言語シンポジウム)
- 自動採譜技術の展望
- 局所的な特徴と大局的な特徴を用いた監視カメラ映像からの行動イベント検出(一般,First Person Visionのための認識・理解)
- スペクトル制御エンベロープによる混合音中の周期および非周期成分の選択的イコライザ
- シンボル列化したシーンの学習と2種のプレイ種相関度による野球放送映像プレイ種識別
- AS-5-5 複合ソースフィルタモデルによる音響信号の三要素テンソル分解(AS-5. 音響信号のモデリングと表現,シンポジウムセッション)
- 音響モデル学習のための相対エントロピーを用いた学習文選択
- 調波時間構造化クラスタリング(HTC)による音楽音響特徴量の同時推定
- 大規模映像資源のためのマルチモーダル高次特徴検出
- 合同特別企画: パネルディスカッション「"音"研究の未来」
- 調波時間構造化クラスタリングによるCASAへのアプローチ
- 音声と手書き文字の同時入力インターフェース(マルチモーダル, コーパス・言語モデル)
- 調波構造・時間包絡・音色の統合的クラスタリングによる楽音分析(音楽音響信号処理 (2))
- 新博士によるパネルディスカッション1「博士への道のりと将来の夢」(パネルディスカッション)
- AS-6-3 EMアルゴリズムを用いた最尤時間周波数マスキングによる雑音環境下での2ch BSS(AS-6.実環境における高品質収音のための音声信号処理,シンポジウム)
- ハーモニッククラスタリングと情報量規準による音楽の音高/音源数の推定(山下記念研究賞受賞記念講演)
- 音声認識技術を用いた音楽情報処理
- Specmurtにおける凖最適共通調波構造パターンの反復推定による多声音楽信号の可視化とMIDI変換(音楽音響信号認識)
- 拘束つき混合正規分布の最尤推定とAICによる同時発話複数音声のF_0推定(第5回音声言語シンポジウム : ポスターセッション)
- ハーモニック・クラスタリングによる多重音信号音高抽出における音源数とオクターブ位置推定(音楽音響信号認識/生成1)
- ハーモニック・クラスタリングによる多重音の基本周波数推定アルゴリズム
- ハーモニッククラスタリングによる多重音の基本周波数推定
- カテゴリ推定に基づく動的な言語モデル適応
- Vocal Dynamics Controller: 歌声のF0動特性をノート単位で編集し,合成できるインタフェース
- 大規模映像資源のためのマルチモーダル高次特徴検出(画像・映像処理)
- 十分統計量を用いた教師なし話者適応における話者選択法(一般(ポスターセッション),第9回音声言語シンポジウム)
- 十分統計量を用いた教師なし話者適応における話者選択法(一般(ポスターセッション),第9回音声言語シンポジウム)
- 音声認識における確率モデルの重み係数の自動推定(音声認識・識別,第9回音声言語シンポジウム)
- 音声認識における確率モデルの重み係数の自動推定(音声認識・識別,第9回音声言語シンポジウム)
- 音声認識における確率モデルの重み係数の自動推定(音声認識・識別,第9回音声言語シンポジウム)
- 会議音声認識のためのスペクトル減算に基づくオンライン音源分離(オーガナイズドセッション:スピーチエンハンスメント,音声,応用/電気音響,信号処理,及び一般)
- 局所的な特徴と大局的な特徴を用いた監視カメラ映像からの行動イベント検出(一般,First Person Visionのための認識・理解)
- 局所的な特徴と大局的な特徴を用いた監視カメラ映像からの行動イベント検出(一般,First Person Visionのための認識・理解)
- 木構造クラスタリングを用いた動画像からの高次特徴抽出(一般セッション1,文字・文書の認識・理解)
- D-14-7 手書き文字の準同期入力を併用した音声認識手法の予備検討(D-14. 音声・聴覚)
- 2. 統計的手法を用いた音声モデリングの高度化とその音声認識への応用(音声情報処理技術の最先端)
- SIFT混合ガウス分布を用いた一般物体認識のためのマルチカーネル学習(テーマセッション,コンピュータビジョンとパターン認識のための機械学習と最適化,一般)
- SIFT混合ガウス分布を用いた一般物体認識のためのマルチカーネル学習(テーマセッション,コンピュータビジョンとパターン認識のための機械学習と最適化,一般)
- 投球の次ショットに重きを置いたシーンのパターン化と離散隠れマルコフモデルを用いた野球放送映像の自動イベント分類
- 隠れマルコフモデルを用いた野球放送の自動的インデクシング(顔・ジェスチャ認識のためのパターン認識メディア理解,一般)
- 隠れマルコフモデルを用いた野球放送の自動的インデクシング(顔・ジェスチャ認識のためのパターン認識メディア理解,一般)
- 会議音声認識のためのスペクトル減算に基づくオンライン音源分離(オーガナイズドセッション:スピーチエンハンスメント,音声,応用/電気音響,信号処理,及び一般)
- 会議音声認識のためのスペクトル減算に基づくオンライン音源分離(オーガナイズドセッション:スピーチエンハンスメント,音声,応用/電気音響,信号処理,及び一般)
- 事後確率最大化手法を用いた言語モデルの学習
- 確率モデルによる多声楽曲MIDI演奏からの楽譜推定
- 音声認識のための複数の認識器を利用した能動学習(音響モデル,第11回音声言語シンポジウム)
- 音声認識のための複数の認識器を利用した能動学習
- 講義音声認識における講義スライド情報の利用(第8回音声言語シンポジウム)
- 講義音声認識における講義スライド情報の利用(Session-6 音声認識,第8回音声言語シンポジウム)
- ハイブリッドモデルに基づく単視点ビデオデータにおける人間の歩行動作のトラッキング
- 講義音声認識における講義スライド情報の利用(Session-6 音声認識,第8回音声言語シンポジウム)
- 講義音声認識における講義スライド情報の利用
- ビデオ画像における人間の歩行動作の3次元トラッキング(テーマセッション(1),人の検出・計測・認識)
- ビデオ画像における人間の歩行動作の3次元トラッキング(テーマセッション(1),人の検出・計測・認識)
- マルチモーダル・マルチフレームな手法を用いたTRECVIDセマンティックインデクシング(テーマセッション,映像処理とTRECVID)
- 映像解析・検索評価ワークショップTRECVID2010の概要(テーマセッション,映像処理とTRECVID)
- 雑音下音声におけるスペクトル縮小の分析とその耐雑音音声認識への利用(音声一般,聴覚・音声・言語とその障害/一般)
- 木構造GMMを用いたセマンティックインデクシングの高速化(テーマセッション,大規模マルチメディアデータを対象とした次世代検索およびマイニング)
- 木構造GMMを用いたセマンティックインデクシングの高速化(テーマセッション,大規模マルチメディアデータを対象とした次世代検索およびマイニング)
- D-12-120 動的特徴量を用いたHMMによる連続動作認識(D-12. パターン認識・メディア理解B)
- クラウド時代の新しい音声研究パラダイム
- 複数ピンマイクで収音された会議音声の重畳区間検出
- 音声認識におけるモデル間スケーリング係数の自動推定(音声,聴覚)
- 映像の高性能なセマンティックインデクシングを目指して(テーマセッション,実世界文字認識と理解)
- 音声認識における転移学習 : 話者適応(知識の転移)
- 手話素単位を用いた大語彙手話認識(テーマセッション,時系列パターン認識)
- 手話素単位を用いた大語彙手話認識(テーマセッション,時系列パターン認識)
- GMM-SupervectorとSVMを用いた映像からのイベント検出(テーマセッション,時系列パターン認識)
- GMM-SupervectorとSVMを用いた映像からのイベント検出(テーマセッション,時系列パターン認識)
- 固定監視カメラからの人混み中の行動イベント検出(実世界センシングとその応用)
- 固定監視カメラからの人混み中の行動イベント検出(実世界センシングとその応用)
- 映像検索技術の新たな潮流
- 音声認識におけるモデル間スケーリング係数の自動推定
- GMM-Supervector とSVMを用いた映像からのイベント検出
- 手話素単位を用いた大語彙手話認識
- 音声認識における転移学習 : 話者適応
- 映像のセマンティックインデクシングのためのq-混合ガウス分布
- GMM-Supervector とSVMを用いた映像からのイベント検出
- 映像検索技術の新たな潮流
- 「音声認識」は今後こうなる!
- 映像のセマンティックインデクシングのためのq-混合ガウス分布(テーマセッション,コンピュータビジョンとパターン認識のための機械学習及び企業ニーズセッション)
- 話者認識技術の現状と課題(オーガナイズドセッション(パネルディスカッション),音声アプリケーション,一般)
- カメラの動き補正に基づく時空間特徴量とGMM supervectorを用いた映像からのイベント検出(テーマセッション,大規模データベースとパターン認識)
- 映像のセマンティックインデクシングのためのq一混合ガウス分布(コンピュータビジョンとパターン認識のための機械学習及び企業ニーズセッション)
- コミッティに基づく能動学習・半教師付き学習を用いた音声モデル
- GMM Supervectorとビデオクリップスコアを用いた映像のセマンティックインデクシング(テーマセッション,大規模データベースとパターン認識)