音メディア処理研究室

2018年12月21日に行われた3年生による「デモ大会」で発表した内容です。

OS : Windows7 Professional

開発環境 : MATLAB R2017b、Bien0.91a

バイノーラル録音環境 :[ハードウェア]ダミーヘッド、ORION、Bruel&Kjaer

[ソフトウェア]Orion32＋Launcher、Audacity

今回用意した１１個のフリー音源である効果音を、「バイノーラル録

音」方法で録音する・「Bien 0.91a 」というツールを使う・MATLAB

による畳み込みのプログラムを使うという３つの方法で、人にとって気

持ちよく聞こえる音「ASMR音」になるよう音源を立体音響化させまし

た。

また、バイノーラル録音でのみ、「スライム、パフを触る音」・「耳かきの音」もASMR音として作成しました。

“ASMR音とは何なのか？”　　詳しい概要は、以下のデモの様子の動画をご覧ください。

また、複数人の方に実際に作成したASMR音を聞いてもらい、心地よさを体感してもらいました！

その様子＜実演編＞は以下の動画をご覧ください。

今回実演編で何人かの方に聞いていただいた、バイノーラル録音方式によるASMR音をいくつか載せます。

必ずイヤフォンを装着の上、是非、私が作成したASMR音をお楽しみください。

①煎餅を食べる音（１人目の方に紹介したもの）

＜元々の音源＞

＜作成した音源＞

②ポテチを食べる音（２人目の方に紹介したもの）

＜元々の音源＞

＜作成した音源＞

③キーボードを叩く音（３人目の方に紹介したもの）

＜元々の音源＞

＜作成した音源＞

○スライムを触る音（おススメ）

※注意※

ヘッドホンで聞く場合、立体音として聞こえない場合がございますので、必ずイヤフォンでお聞きください。

2018年12月21日に行われた3年生によるデモ大会で発表した内容です。

＜OS＞　Windows7

＜開発環境＞ MATLAB R2013b

＜概要＞２つの音源に方向性を持たせ、目的音の方向からの音源を強調するシステムを構築し、音源分離を行いました。デモ大会では実際にその場で音源を録音して音源分離を行いました。

詳しくは以下の動画をご覧ください。

2018年12月21日に行われた3年生によるデモ大会で発表した内容です。

OS : Windows 7

開発環境 : MATLAB

動作環境 : Orion32+

16個のスピーカーを部屋の周りに配置して、元の音源とリバーブ付与した音源を正面、後方、左右のスピーカーからそれぞれ流しました。また、音量を調整することでより臨場感を向上させる工夫をしました。

元の音源(上), リバーブ付与した音源(下)

詳細は以下の動画でご覧ください。

2018年12月21日に行われた3年生によるデモ大会で発表した内容です。

＜開発環境＞ MATLAB

＜概要＞ユーザーそれぞれが感じる楽曲印象（明るい・暗い など）の特徴を抽出し、個人の感性に合わせたオリジナル楽曲プレイリストを自動生成するシステムを作成しました。

詳しくは以下の動画をご覧ください。

2018年12月21日に行われた3年生のデモ大会で発表した内容です。

<開発環境>Julius, TOPPERS/EV3RT

<概要>音声での入力に対応したマーカを黒線で囲まれた範囲内から探します。詳しくは以下の動画をご覧ください。

研究背景

研究目的

従来研究

従来研究の課題

アプローチ方法

実装した識別器の長所、短所

実験

正解率

実験条件

識別器のパラメータ

実験結果

特徴量の重要度

考察

まとめ

研究背景

従来研究

ビームフォーマ

空間クロススペクトルを用いたWienerフィルタ推定

解決したい課題

アプローチ方法

作製したマイクロホンアレイ

実験

実験結果

まとめ

•本研究は、小規模アレイによる雑音抑圧を行うために、拡散性雑音を抑圧する手法を提案した。

•今回の実験の結果では、MVDRとWienerフィルタの組み合わせに、帯域分割処理を用いて雑音抑圧を行い、従来法と比較して、SDを維持し、SNRを向上することができた。

研究背景

研究目的

聴診は専門的な知識が必要なため、コンピュータを用いることで一般の方でも
容易に心音を診断できる

従来研究

従来研究で用いられている心音の時間的特徴

心音は、Ⅰ音からⅡ音を一周期とする信号 であり、正常心音では聴取されない音
を心雑音という。

解決したい課題

聴診は様々な雑音下（空調音や話し声）で行われるためコンピュータで正しく
心音を識別することは困難ではないかと考えた

アプローチ方法

アプローチ方法
・周波数領域に着目した特徴量
・二値分類（正常か異常か）に強い識別器
・雑音抑圧

SVM（識別器）

マージンとは内部にデータ点のない、超平面に平行するスラブ平面の最大幅を
意味する 

MFCC（特徴量）

雑音抑圧

雑音を含んだ信号データのパワースペクトルから、雑音のパワースペクトルの
平均値をひくことで、雑音を除去する方法 

実験概要

実験条件

実験結果

周波数領域に着目した特徴量が心音には有効
雑音抑圧を行うことで心雑音までも抑圧している可能性がある

まとめ