[論文レビュー] An Automatic System for Acoustic Microphone Geometry Calibration based on Minimal Solvers

Zhayida Simayijiang, Simon Segerblom Rex+3 more|arXiv (Cornell University)|Oct 7, 2016

Indoor and Outdoor Localization Technologies参考文献 23被引用数 8

ひとこと要約

本論文では、最小限のソルバーとロバストな RANSAC に基づく推定を用いて、音源の運動や幾何構造に関する事前知識がなくても、反響環境下でマイク、音源、反射面の位置を同時に推定可能な自動システムを提示する。時間遅延推定に GCC-PHAT を用い、未知のマイクおよび音源位置のジオメトリカルなジレンマを解消する最小限のソルバーを適用することで、サブミリメートルの精度（標準偏差 3.7 mm）を達成する。

ABSTRACT

In this paper, robust detection, tracking and geometry estimation methods are developed and combined into a system for estimating time-difference estimates, microphone localization and sound source movement. No assumptions on the 3D locations of the microphones and sound sources are made. The system is capable of tracking continuously moving sound sources in an reverberant environment. The multi-path components are explicitly tracked and used in the geometry estimation parts. The system is based on matching between pairs of channels using GCC-PHAT. Instead of taking a single maximum at each time instant from each such pair, we select the four strongest local maxima. This produce a set of hypothesis to work with in the subsequent steps, where consistency constraints between the channels and time-continuity constraints are exploited. In the paper it demonstrated how such detections can be used to estimate microphone positions, sound source movement and room geometry. The methods are tested and verified using real data from several reverberant environments. The evaluation demonstrated accuracy in the order of few millimeters.

研究の動機と目的

• 位置や運動が未知の反響環境下で、マイクと音源の同時局所化を実現する挑戦に取り組む。
• 時間遅延差（TDOA）測定を用いて、複数のマイクペア間で複数の音響イベントを検出し、追跡する信号処理パイプラインを構築する。
• 初期化や事前仮定に依存しない、3次元および平面的配置のマイクと音源を扱う最小限のソルバーを用いて、幾何的キャリブレーション問題を解く。
• TDOA推定のサブサンプル補正とインライヤー・データ上の非線形最適化により、精度を向上させる。
• 複数の反響環境における実世界の録音データを用いて、システムの妥当性を検証し、高い精度とロバスト性を示す。

提案手法

• システムは、すべてのマイクペア間で GCC-PHAT を用いて相互相関を計算し、各ペアから4つの強い局所的最大値を選択して、複数の TDOA ヒューリスティクスを生成する。
• 時間的連続性とチャネル間一貫性の制約を適用して、一貫性のない検出をフィルタリングし、外れ値を低減する。
• 3次元、平面的、線形配置のマイクと音源の初期幾何パラメータを最小データセットから推定するための最小限のソルバーを開発する。
• RANSAC を用いて、検出された TDOA ベクトルからのインライヤー仮説を選択することで、幾何パラメータをロバストに推定する。
• 非線形最適化の前に、TDOA推定の精度を向上させるためにサブサンプル補正を適用する。
• インライヤー・データ上で非線形最適化を実行し、マイク位置、音源軌道、反射面パラメータの最尤推定値を精緻化する。

実験結果

リサーチクエスチョン

• RQ1 マイクと音源の位置が未知の反響環境下で、どのようにしてマイク幾何構造をキャリブレートできるか？
• RQ2 3次元、平面的、線形配置のマイクと音源の位置を推定するために、どのような最小限のソルバー構成が必要か？
• RQ3 多径および環境雑音の影響下でも、どのようにして TDOA ベクトルのロバストな検出と追跡を実現できるか？
• RQ4 サブサンプル補正と RANSAC を用いることで、実世界の音響環境における幾何キャリブレーションの精度はどの程度向上するか？
• RQ5 既知の音源信号や運動モデルを必要とせずに、高精度なキャリブレーションを達成できるか？

主な発見

• 段階的な処理の過程で外れ値の検出数が 4,639 個から 0 個に減少し、ほぼ外れ値のない出力を達成した。
• マイク座標再構築の推定標準偏差は 3.7 ミリメートルであり、ミリメートルレベルの精度を示した。
• 処理の全過程にわたりインライヤー数が一定に保たれ（約 1,200 個）、一貫性のある検出性能を示した。
• 実際の反響環境下で、マイク位置、音源の運動経路、主な反射面（床、天井、壁など）を正常に推定できた。
• チャンネルペアごとに4つの強い局所的最大値を用いることで、単一最大値アプローチに比べて検出のロバスト性が著しく向上した。
• 異なる音響特性を示す複数の部屋で実録音データを用いてシステムを検証したが、多様な条件下でも一貫した性能を示した。