[論文レビュー] Channel Decorrelation For Stereo Acoustic Echo Cancellation In High-Quality Audio Communication

Jean-Marc Valin|arXiv (Cornell University)|Mar 10, 2016

Speech and Audio Processing参考文献 6被引用数 5

ひとこと要約

本稿では、高周波数帯では形状付きコブ・オールパス（SCAL）フィルタを用いて左右の音声チャンネルを非相関化し、低周波数帯では心理的遮断を用いたノイズ注入により、視覚的・聴覚的要因に基づいた低遅延ステレオ音響エコーキャンセレーション手法を提案する。この手法は、聴覚にほとんど影響を与えることなく優れた非相関性を達成し、客観的および主観的評価の両面で既存手法を上回りながら、音質およびステレオイメージの整合性を維持する。

ABSTRACT

In this paper, we address an important problem in high-quality audio communication systems. Acoustic echo cancellation with stereo signals is generally an under-determined problem because of the generally important correlation that exists between the left and right channels. In this paper, we present a novel method of significantly reducing that correlation without affecting the audio quality. This method is perceptually motivated and combines a shaped comb-allpass (SCAL) filter with the injection of psychoacoustically masked noise. We show that the proposed method performs significantly better than other known methods for channel decorrelation.

研究の動機と目的

• ステレオ音響エコーキャンセレーションにおける高いチャンネル間相関が引き起こす、不確定なフィルタ推定問題に対処すること。
• 音楽や会話において顕著な聴覚的歪みを引き起こさずに、チャンネル間コherenCeを低減すること。
• ステレオイメージの品質を維持し、フラージングやカクカク音などの顕著な歪みを避けること。
• 追加遅延を一切導入せず、ビデオ会議システムにおけるリアルタイム性能を保つこと。
• 既存のエコーキャンセレーションシステムへの統合に適した計算効率の高い手法を開発すること。

提案手法

• 時間変動するフィルタ係数αおよび次数Nを持つ形状付きコブ・オールパス（SCAL）フィルタを用い、非線形位相操作により高周波成分の非相関化を実現する。
• ブロッキングアーティファクトを防止するため、重み付き重ね合わせ法（WOLA）を用いた重複解析・合成ウィンドウ（Vorbisウィンドウ）を適用する。
• フィルタ次数Nを時間的に変化させることで、位相応答におけるノードをずらし、非相関化が効果を発揮しない周波数帯を回避する。
• 低周波帯域で心理的遮断を用いたノイズを注入することで、チャンネル間コヒーレンスをさらに低減するが、聴覚的に認識されないようにする。
• ノイズ注入は、元の信号に強い遮断効果がある領域における聴覚的影響をマスクするように整形される。
• 全プロセスはブロックベースであり、追加遅延なしに実行され、システム固有の遅延以外に遅延は一切発生しない。

実験結果

リサーチクエスチョン

• RQ1 ステレオ音響エコーキャンセレーションにおけるチャンネル間相関を、音質の劣化を最小限に抑えながら効果的に低減できるか？
• RQ2 フラージングやノイズといった顕著な歪みを最小限に抑えるために、非線形非相関化をどのように実装できるか？
• RQ3 オールパスフィルタと遮断ノイズ注入の組み合わせが、既存の非相関化技術をどれほど上回るか？
• RQ4 リアルタイムシステムにおいて、計算複雑度を最小限に抑え、追加遅延なしに非相関化を達成できるか？
• RQ5 本手法は、客観的コヒーレンスおよび主観的品質の観点で、他の代替手法と比較してどのように差をつけるか？

主な発見

• 提案手法（P3）は、全テスト信号において最小のチャンネル間コヒーレンスを達成し、Bark加重二乗コヒーレンス値としてピアノで0.38、ギターで0.42、グロッケンシュプライルで0.35を記録した。
• P3は、客観的評価（PEAQ）および主観的評価（MUSHRA）の両方で、他のすべての構成より優れており、ギターサンプルの客観的差異評価は-0.36であった。
• 図5に示される等価SNRから、高い非相関化レベル下でも歪みが低く抑えられていることが確認され、周波数スペクトル全体で良好な結果が得られた。
• 主観的聴取テストでは、P1、P2、P3が他の構成よりも好まれ、他のアルゴリズムに顕著な好みの差は認められなかった。
• 時間変動するαおよびNを有するSCALフィルタは、重要な周波数帯で位相ノードを効果的に回避した。一方、低周波帯でのノイズ注入により、聴覚的劣化を伴わず一貫した非相関化が達成された。
• フラージングやカクカク音などのアーティファクトは最小限に抑えられ、特に絶対値の平滑化または1次オールパスフィルタと比較して、聴覚的にマスクされていた。