[論文レビュー] A Reduced Multiple Gabor Frame for Local Time Adaptation of the Spectrogram

Marco Liuni, Axel Röebel+2 more|arXiv (Cornell University)|Sep 27, 2011

Image and Signal Denoising Methods参考文献 8被引用数 4

ひとこと要約

本稿では、局所的時間適応型スペクトログラム解析のための縮小された複数Gaborフレームを提案し、Rényiエントロピーを用いて各時間セグメントごとの最適な窓サイズを選択する。スケーリングされたGaborフレームの集合に対してエントロピーを最小化することで、完全再構成が可能な可変時間周波数分解能を持つ表現が得られ、固定分解能や再構成不能な適応手法に比べて優れている。

ABSTRACT

In this paper we propose a method for automatic local time adap- tation of the spectrogram of an audio signal, based on its decomposition within a Gabor multi-frame. The sparsity of the analyses within each individual frame is evaluated through the Rényi entropies measures. According to the sparsity of the decompositions, an optimal resolution and a reduced multi-frame are determined, defining an adapted spectrogram with variable resolution and hop size. The composition of such a reduced multi-frame allows an immediate definition of a dual frame: re-synthesis techniques for this adapted analysis are easily derived by the traditional phase vocoder scheme.

研究の動機と目的

• 音声信号における瞬発的成分とトーン成分を両方効果的に捉えるために、固定分解能スペクトログラムの限界を解消すること。
• 手動による窓選択の必要性を克服し、信号に適応した自動的で分解能の調整を可能にすること。
• 冗長性を削減しながらも、完全再構成を維持する複数Gaborフレームシステムの性能を保つこと。
• 再構成忠実度を損なわず、計算効率の良いフレームワークを構築することにより、局所的時間適応を可能にすること。

提案手法

• 本手法は、$ g^l(t) = \frac{1}{\sqrt{l}} g\left(\frac{t}{l}\right) $ で定義されるスケーリング窓関数 $ g^l(t) $ を用いた有限集合 $ l \in L \subset \mathbb{R}^+ $ に基づく複数Gaborフレームを構築し、可変時間周波数分解能を実現する。
• 各分析セグメントに対して、スペクトログラムのRényiエントロピー（$ \alpha = 0.7 $）を計算し、スパarsityを評価する。エントロピーが低いほど集中度が高くなり、最適な分解能が得られると判断される。
• 各セグメントでエントロピーが最小となる窓サイズを選択し、元のフレームの冗長性とオーバーラップ構造を保ったまま、縮小されたマルチフレームを形成する。
• 位相ボコーダー再構成技術を通じて、二重フレームが暗黙的に定義され、重み付き和集合による重複する分析セグメントの合成により、完全再構成が実現される。
• 各セグメントで最適なフレームのみを選択することで、不要な短いハップサイズを回避し、可変ハップサイズを実装可能となる。
• 再構成は[8]で提案された最小二乗誤差推定フレームワークを変動窓に拡張したものであり、最小限の誤差で信号回復を保証する。

実験結果

リサーチクエスチョン

• RQ1 音声信号における瞬発的成分とトーン成分をよりよく表現するため、時間セグメントごとに時間周波数分解能をどのように適応的に調整できるか。
• RQ2 マルチスケールGaborフレームにおいて、局所的信号特徴に最適な窓サイズを特定するのに効果的なスパarsity測度は何か。
• RQ3 複数Gaborフレームから、完全再構成能力を維持したまま縮小マルチフレームを構築できるか。
• RQ4 計算コストの増加を伴わず、可変ハップサイズを適応スペクトログラム解析に統合する方法は何か。
• RQ5 エントロピー最小化が、得られるスペクトログラムの聴覚的品質と正確性に与える影響は何か。

主な発見

• アルゴリズムはリアルタイムでスペクトログラム分解能を適応的に調整し、Rényiエントロピー最小化に基づいて各セグメントの最適窓サイズを選択する。
• マリモのB4音では、アタック時に高い時間分解能が得られ、持続期間中は高い周波数分解能が達成され、固定窓STFTを上回る性能を示した。
• 4096サンプルのハニング窓スペクトログラムに見られるプリエコー歪みが、適応スペクトログラムでは完全に除去された。
• 合成された周波数変調正弦波例では、周波数変化が急激な領域では小さな窓が選択され、安定した領域では大きな窓が使用された。
• 縮小マルチフレームを用いた位相ボコーダー再構成法により、完全再構成が達成され、信号忠実度が保証された。
• ユーザーがセグメント長とオーバーラップを定義可能であり、分解能遷移の滑らかさを制御できる。