室内アラーム音源識別性能向上のための雑音除去の検討

火災警報器やガス漏れ警報器など、室内には危険を知らせる警報器が多々ある。これらのほとんどが音を使用して危険を通知する。そのため耳が不自由な人や耳が遠くなってしまった人は、警報器による危険の通知に気が付かない可能性がある。当研究室では、人工知能を用いて、アラーム音源の識別を行い、アラーム音の発生とその種類を対象者のスマホなどの端末に通知するシステム（図1）の検討を行ってきた。本研究では、このシステムの人工知能によるアラーム音源の識別の精度を向上させるために、スペクトラルサブトラクション法（SS法）とDenoising Autoencoder（DAE）の２つのノイズ除去手法を適用した後に識別を行い精度の向上を図った。

4種のアラーム音と3種のノイズの録音を行い、アラーム音にノイズを重畳させたデータを作成する。ノイズを重畳する際にSN比を変化させるためノイズの強さを5パターンに変えた。それらのデータに対して、SS法はFFTのサンプル数とサブトラクション係数を変えて適用し、DAEは中間層の層数と活性化関数を変えて学習済みモデルを作成し適用した。ノイズ除去適用前後で比較しノイズ除去の効果の確認と最適なパラメータの検討を行った。火災報知器の音に対するノイズ除去前後の結果を図２に示す。両手法もノイズを除去できることを確認した。

実験用に、アラーム4種と環境音の計5種の音源を識別できる識別器を作成した。様々なSN比のノイズ重畳アラーム音の識別を、ノイズ除去適用前後で行い、ノイズ除去による識別精度の変化を確認した。識別の結果を図3、4に示す。SS法適用後は識別精度が向上したが、DAE適用後は全体的に識別精度が低下した。

SS法はサブトラクション係数が2の時、DAEは活性化関数がReluの時、最も効果的にノイズ除去を行うことができた。識別性能として、SS法を適用したのちに識別を行った時は精度が向上したが、DAEを適用したのちに識別を行ったときは精度が低下した。SS法適用後では識別精度が向上したため、ノイズ除去がアラーム音源識別の際のノイズの影響を軽減するのに有効であることを確認できた。