長い残響時間を特徴とするスペースでの非線形処理された音声の明瞭度評価のための新しい方法

音声明瞭度の客観的評価は、人間の聴覚感覚による各音声サブバンドの異なる認識や、音声信号の各周波数帯域の異なる物理的特性などの多くの要因を考慮に入れる必要がある複雑なタスクです。現在、音声伝送の品質を評価するために使用される最先端の方法は、音声伝送指数（STI）です。これは、たとえば、会議室または公共住所システムの音質的適応の品質を客観的に測定する標準化された方法です。この測定値の幅広い使用と、多数の測定デバイスでのこの方法の実装により、部屋の音声関連の品質を推定する必要がある場合、STIは人気のある選択となります。ただし、STI測定には、特定のユースケースから除外する重要な欠点があります。たとえば、非線形デジタル処理アルゴリズムを採用して音声の明瞭度を高めたい場合、STIメソッドは、測定信号を非線形方法で変更する必要がないため、そのようなアルゴリズムの影響を測定するのに適していません。その結果、非線形音声増強アルゴリズムをテストする必要がある場合、音声伝送を推定するSTI-A標準的な方法は使用できません。この作業では、STIメソッドに基づいたメソッドを提案したいが、非線形音声明瞭度強化方法のパフォーマンスの推定に使用できるように変更できるように変更したいと考えています。提案されたアプローチは、送信されたエンベロープ変調と受信された変調の累積エネルギーのブロードバンド比較に基づいているため、ブロードバンドSTI（BSTI）と呼ばれます。環境によって変更された信号またはDSPアルゴリズムによって変更された非線形音声に関する信頼性は、STIのベースライン値がわかっている10の選択されたインパルス応答の比較分析を実行することによりチェックされます。

Objective assessment of speech intelligibility is a complex task that requires taking into account a number of factors such as different perception of each speech sub-bands by the human hearing sense or different physical properties of each frequency band of a speech signal. Currently, the state-of-the-art method used for assessing the quality of speech transmission is the speech transmission index (STI). It is a standardized way of objectively measuring the quality of, e.g., an acoustical adaptation of conference rooms or public address systems. The wide use of this measure and implementation of this method on numerous measurement devices make STI a popular choice when the speech-related quality of rooms has to be estimated. However, the STI measure has a significant drawback which excludes it from some particular use cases. For instance, if one would like to enhance speech intelligibility by employing a nonlinear digital processing algorithm, the STI method is not suitable to measure the impact of such an algorithm, as it requires that the measurement signal should not be altered in a nonlinear way. Consequently, if a nonlinear speech enhancing algorithm has to be tested, the STI-a standard way of estimating speech transmission cannot be used. In this work, we would like to propose a method based on the STI method but modified in such a way that it makes it possible to employ it for the estimation of the performance of the nonlinear speech intelligibility enhancement method. The proposed approach is based upon a broadband comparison of cumulated energy of the transmitted envelope modulation and the received modulation, so we called it broadband STI (bSTI). Its credibility with regard to signals altered by the environment or nonlinear speech changed by a DSP algorithm is checked by performing a comparative analysis of ten selected impulse responses for which a baseline value of STI was known.