[論文レビュー] Directional Selective Fixed-Filter Active Noise Control Based on a Convolutional Neural Network in Reverberant Environments

Boxiang Wang, Zhengding Luo+5 more|arXiv (Cornell University)|Jan 11, 2026

Advanced Adaptive Filtering Techniques被引用数 0

ひとこと要約

この論文は、多チャネル参照からの DoA 推定を用いて事前訓練済みの固定フィルタを選択する CNN ベースの指向性 SFANC フレームワークを提案し、反響環境において遅延なしのノイズキャンセルを高速に実現する。

ABSTRACT

Selective fixed-filter active noise control (SFANC) is a novel approach capable of mitigating noise with varying frequency characteristics. It offers faster response and greater computational efficiency compared to traditional adaptive algorithms. However, spatial factors, particularly the influence of the noise source location, are often overlooked. Some existing studies have explored the impact of the direction-of-arrival (DoA) of the noise source on ANC performance, but they are mostly limited to free-field conditions and do not consider the more complex indoor reverberant environments. To address this gap, this paper proposes a learning-based directional SFANC method that incorporates the DoA of the noise source in reverberant environments. In this framework, multiple reference signals are processed by a convolutional neural network (CNN) to estimate the azimuth and elevation angles of the noise source, as well as to identify the most appropriate control filter for effective noise cancellation. Compared to traditional adaptive algorithms, the proposed approach achieves superior noise reduction with shorter response times, even in the presence of reverberations.

研究の動機と目的

• 反響のある部屋でノイズ源の DoA が変動する場合の頑健なノイズキャンセルを動機付ける。
• DoA 推定を固定フィルタ ANC に組み込んだ指向性 SFANC メソッドを開発する。
• 適応 FxLMS に比べて応答時間を短縮し、計算負荷を低く維持する。
• 組み込み展開に適した実用的な事前訓練済みフィルタライブラリと軽量な CNN を提供する。

提案手法

• J 本参考マイクロフォンを用いた多参照 ANC 設定、二次音源、エラーマイクを用いる。
• CNN を訓練して、1 フレームの多チャネル STFT 特徴量から方位角と仰角のクラス確率を出力させる。
• 離散 DoA 方向に対して事前訓練された固定 FxLMS 制御フィルタのライブラリを作成し、CNN 出力に基づいてフレームレートで最適なフィルタを選択する。
• DoA を推定するためにフレームごとに参照信号を処理し、遅延なし制御のため対応する固定フィルタに切り換える。
• 方位角と仰角分類の結合クロスエントロピー損失を用いたマルチタスク CNN を Employ する。

実験結果

リサーチクエスチョン

• RQ1 DoA 情報は反響環境における固定フィルタ ANC の性能を改善できるか？
• RQ2 軽量 CNN は多チャネル参照からの仰角・方位角 DoA をさまざまなノイズ・部屋条件下でどれだけ正確に推定できるか？
• RQ3 フレームレート DoA ベースのフィルタ選択は、従来の FxLMS や既存の SFANC アプローチと比較して速度とノイズ低減の点で優れているか？

主な発見

Metric	SNR 30 dB	SNR 40 dB	SNR 50 dB
Azimuth angle Accuracy	96.4%	96.4%	96.4%
Elevation angle Accuracy	90.7%	90.8%	91.0%

• CNN は unseen データで方位角分類精度 96.4%、仰角精度 90.7–91.0% を達成（SNR 30–50 dB の範囲）。
• DoA ベースのフィルタ選択は FxLMS、SFANC、GFANC よりもブロードバンドノイズや実世界ノイズで応答が速く、ノイズ低減効果が高い。
• CNN モデルはパラメータ 0.03 百万、CPU 時間 7.83 ms、MACs 119.86 M を占め、組み込み展開を可能にする。
• 事前訓練済みの固定フィルタライブラリは 13 固定フィルタで、6 方位角クラスと 3 仰角クラスをカバーし、DoA 特定の制御に効果的。
• 指向性 SFANC は、ノイズ DoA が事前訓練 locations から外れても頑健な性能を維持する一方、SFANC/GFANC とは異なる。