ニューラルネットワークとウェーブレット基底関数の同時学習に基づく多重解像度深層分析を用いた時間領域音源分離

摘要

Wawe-U-Netは深層ニューラルネットワーク（Deep Neural Networks；DNNs）を用いた音源分離モデルの1つであり，時間領域で直接分離を行うことから注目を集めている．しかし，Wave-U-Netのダウンサンプリング層はデシメーションで実装されているため，エイリアシングや分離に重要な特徴量の欠落が起こりうる．これらの問題を同時に解決するため，我々は以前，Wave-U-Netと多重解像度解析の構造の類似性に着眼し，離散ウェーブレット変換（Discrete Wavelet Transform；DWT）に基づくダウンサンプリング層（DWT層）を備えた時間領域音源分離手法，多重解像度深層分析を提案した．一方，既存のウェーブレット基底関数は必ずしも音源分離のために設計されていないため，適切に基底関数を設計することで音源分離性能が向上する可能性がある．本稿では，DWT層の基底関数をDNNと同時に学習する手法を提案し，実験を通して同時学習によって多重解像度深層分析の音源分離性能が向上することを示す．