JK1GPC Blog

 ARRL QST誌の11月号にDavid Rowe氏のRADEの記事が載っています。 著作権の都合で全文は紹介できませんが、構成と概要だけを少しだけ紹介します。 ARRL会員の方は　 https://www.arrl.org/qst で見ることが出来ます。30-33ページ ------------------------------------------------- Radio Autoencoder（RADE） HF帯で運用するこのツールの開発には、機械学習による音声圧縮が重要な役割を果たした。 David Rowe, VK5DGR — QST 2026年11月号 機械学習を使い、約1.5 kHzの無線帯域で高品質な音声を伝送する方式です。弱い信号でも良好に動作し、FreeDVなどで利用できます。 HF帯のデジタル音声とRADE 従来のFreeDVはCodec 2とDSPを使用していました。RADEは機械学習を取り入れ、音声品質を大きく改善しました。 設計と機械学習の違い 従来は信号処理の各部分を個別に設計していました。機械学習では、多数の入出力例を使って、ニューラルネットワークに必要な動作を学習させます。 RADEの仕組み 音声の特徴量を直接QAMシンボルに変換し、OFDMで伝送します。受信側は特徴量を復元し、FARGANで音声を合成します。 RADEを始めるには Windows／macOS／LinuxでFreeDVを動かし、音声インターフェースを介してSSB無線機に接続します。対応するFlexRadioやWeb SDRでも利用できます。 まとめとRADE V2 RADEは、低SNRから高SNRまで高品質なHF音声通信を実現します。RADE V2では、性能向上と、より狭く不要成分の少ない送信スペクトルを目指しています。 著者紹介 David Rowe, VK5DGRは、Codec 2とFreeDVの開発者です。音声圧縮・音声認識、モデム、衛星通信などの分野で活動しています。 図1：AM受信機 図2：機械学習による検波器の学習 図3：学習中の検波器の波形 図4：従来型DSPによるデジタル音声の構成 図5：RADEによるデジタル音声の構成 図6：従来のQPSKとRADEの信号点配置 図7：RADE V1の信号スペクトル

  SCOREQとは SCOREQ（スコア・キュー） は、人が聞いたときの音声品質を推定するAI手法です。正式な論文名は SCOREQ(Speech Quality Assessment with Contrastive Regression) 2024年の NeurIPS で発表されました。 公開実装では、録音１本から 推定MOS を出す方法と、基準音声との 距離 を出す方法が用意されています。 どこが新しいのか 従来のMOS推定モデルは、音声を入力して「正解のMOSにできるだけ近い数字を出す」よう学習することが多いです。SCOREQはそれに加え、 品質の異なる音声同士の関係 を学ぶことを重視します。 例えば、聴取評価でAとBの品質が近く、AとCは大きく違うなら、AIが内部で表す音声間の距離もその関係に沿うよう訓練します。この学習方法を論文では**対照回帰（contrastive regression）**と呼んでいます。狙いは、学習時とは異なる種類の音声劣化に対しても、品質の差を捉えやすくすることです。 二つの使い方 モード 入力 出力 FreeDVでの例 NR （参照音声なし） 評価したい録音１本 推定MOS RADEやSSBの受信録音を個別に採点 REF （参照音声あり） 評価したい録音＋基準音声 音声表現間の距離 同じ発話の原音とRADE受信録音を比較 注意点は、REFモードの出力はMOSではなく「距離」だということです。 小さいほど基準に近い方向の指標ですが、NRモードの「3.8点」などと数値を直接比較できません。同じ発話のきれいな原音がある場合、開発者は自然音声のREFモードでそれを基準にする使い方を推奨しています。 また、公開モデルには natural （人が録音した声に由来する音声）と synthetic （音声合成など）の区別があります。FreeDVで人の発話を送受信した録音には、開発者の分類ではまず natural が対応します。RADEの受信音がFARGANで合成されるからといって、自動的に synthetic モデルを選ぶわけではありません。これは公開実装の用途説明に基づく判断です。

 WS-Digital Mode Suite v3.2.0(旧WSJT-X improved)がリリースされました。 https://sourceforge.net/projects/wsjt-x-improved/files/ ロゴは変わっていますが、なぜかURLはwsjt-x-improvedのままです。 デフォルトでインストールされるディレクトリはC:¥WSです。 設定データはC:¥Users¥(User名)￥AppData￥Local￥WS　にあります。 WSJT-X improvedの設定データはWSをインストールすると自動的にコピーされるようです。WSのwsjt_log.adiはこのディレクトリがデフォルトとなっています。 JTAlertv2(2.8.13)を前のWSJT-X版(赤色)を使っていて動かず、WSのファイル→設定→レポートの「WSJT-X互換モード」にチェックを入れてもダメでした。 なんのことはない、JTAlertv2(2.8.13以降)には緑色のWS用のJTAlert(起動引数は /wsdms)が用意されていました。 WSJT-X互換モードのチェックを外して一件落着でした。hi

 AIによる疑似MOS音声評価方法には、UTMOSの他に NISQA などがあります。 ここではNISQAv2を取り上げます。NISQAv2は、UTMOSと同じく人が聞いて感じる音声品質をAIで推定する手法です。評価したい音声だけを入力でき、送信前の原音は必要ありません。総合的な品質に加え、雑音、音色の変化、途切れ、音量に関する評価値も出力します。電話やインターネット通話など、通信を通した音声を主な対象として開発されました。 参考:  https://deepwiki.com/gabrielmittag/NISQA 参考論文　 https://www.isca-archive.org/interspeech_2021/mittag21_interspeech.pdf FreeDVの受信音声を比較する際にも役立つ可能性があります。出力値は人間によるMOSの実測値ではなく、AIによる予測値です。また、発話内容が正しく伝わったかは、この値だけでは判断できません。 NISQAは Non-Intrusive Speech Quality Assessment の略です。ここでいう「Non-Intrusive」は、品質が劣化した後の音声だけで評価できることを意味します。受信側の録音があれば、原音との波形比較なしで推定できます。 NISQAv2は音声を スペクトログラム に変換し、音の特徴とその時間的な変化を捉えて、音声全体の品質を推定します。モデルの学習には、人間が音声を聞いて付けた品質評価が使われています。 通信音声用モデル nisqa.tar は、次の値を出力します。 総合的な音声品質(推定MOS値)はmos_predです。 いずれも高いほど、その項目の品質が良い方向を示します。たとえば noi_pred が高いことは「雑音が多い」という意味ではありません。 出力名 評価する内容 mos_pred 総合的な音声品質（推定MOS値) noi_pred 雑音に関する品質 col_pred 音色の変化に関する品質 dis_pred 途切れに関する品質 loud_pred 音量に関する品質

 ARRLのQST誌10月号にFT8のデコーダーに対する興味深い記事が載っていました。 タイトルは 「ノイズおよび狭帯域干渉下における3種類のFT8デコーダーの比較」 です。 サブタイトルは「 狭帯域干渉波の周波数に対するFT8デコーダーの応答測定」Bob Fontana（AK3Y） 著作権法上の制約がありますので、少しだけ紹介します。 内容のごく一部の要約は以下です。 信号の収録方法と試験方法 デコーダーの設定と基準性能 JTDXは通常条件で最も多いデコード数を示し、最も高感度な設定ではWSJT-Xを約11％上回わる。MSHVはかなり少ないデコード数。 制御された信号劣化 ノイズ増加時および帯域内CWキャリア存在時の性能 JTDXは、ノイズを+20 dB増加させた条件でも、ある程度の感度上の優位性を維持した。 CW干渉結果の解釈 3種類のデコーダーは、強い狭帯域干渉に対して明確に異なる応答を示した。 感度と干渉耐性 通常条件およびノイズ条件では、JTDXが最も高い微弱信号感度を示す。一方、MSHVは狭帯域干渉に対して最も高い耐性を示す。WSJT-Xは両者の中間に位置し、全体として良好な耐性を示すが、周波数によって局所的な弱点。 運用者にとっての実用的な意味 JTDXは、微弱信号環境ではデコード数を最大化できる可能性。一方、強い狭帯域干渉が存在する場合には、MSHVの方が優れた安定性を示す可能性。WSJT-Xはバランスの取れた性能を示すが、特定の周波数帯で干渉に対する感度が高くなる可能性。 ------------------------------------------- ところで、CE3TSK局によるJTDX_CONTEST といってもコンテスト用ではなくかなり進歩したJTDXのフォークのようです。 上記のQSTの記事で(旧)JTDXよりどのくらい良くなっているのか楽しみです。 最新版 JTDX-Contest v3.0.0 RC7は以下からダウンロードできます。 https://ce3tsk.com/download/index.html?lang=ja

 ***最新更新 2026年9月25日*** FreeDVの評価で使用されたWhisperの次にUTMOSv2をPCに入れてみることにします。 UTMOS（UTokyo-SaruLab MOS prediction system)については以下のブログを参照ください。 https://jk1gpc.blogspot.com/2026/09/freedv_0435876116.html Windowsに入れるかLinuxに入れるかですが、先にWindowsを試してみます。 --------   Windows よりも Linuxの方が良さそうです GPUはなくともOK------- 以下Pythonがインストールされていることを前提に進めます。 参考:  https://jk1gpc.blogspot.com/2026/09/wisper-large-v3.html １．専用フォルダーと仮想環境を作る。 Windowsターミナル MSマークを右クリック　ターミナルを起動します。 以下の太字の部分をコピペ　（コピーしてターミナルプロンプトにカーソルを置き右クリックします） cd C:\ mkdir UTMOSv2 　          　＊Windowsエクスプローラで作成しても可能 mkdir UTMOSv2\result　  ＊同上 C:/UTMOSv2 python -m venv venv venv\Scripts\activate (venv) PS C:\UTMOSv2>  がでればOKです。 ２. UTMOSv2をインストールする。 ＊pipでは手順が複雑なので、今回はgithubよりダウンロードします。 以下Pythonの仮想環境(venv)でも良いしなくても構いません。 cd C:\UTMOSv2 Invoke-WebRequest -Uri "https://github.com/sarulab-speech/UTMOSv2/archive/refs/heads/main.zip" -OutFile "UTMOSv2-main.zip" Expand-Archive -Path "UTMOSv2-main.zip" -Destinatio...