[論文レビュー] Estimation of the direct-to-reverberant Energy Ratio using a spherical microphone array

Hanchi Chen, Prasanga N. Samarasinghe+2 more|arXiv (Cornell University)|Oct 30, 2015

Speech and Audio Processing参考文献 10被引用数 7

ひとこと要約

本稿では、音源信号の事前知識を必要とせずに、球状マイクロホンアレイ（Eigenmike）を用いた盲的な直接音エネルギー比（DRR）推定手法を提案する。球面調和関数による音圧および粒子速度成分の推定に加え、音圧と速度の間のコherencyを活用することで、低SNRおよび高混响環境下でも199–2511 Hzの周波数帯域で±3 dBのDRR推定精度を達成する。

ABSTRACT

This paper proposes a practical approach to estimate the direct-to-reverberant energy ratio (DRR) using a spherical microphone array without having knowledge of the source signal. We base our estimation on a theoretical relationship between the DRR and the coherence estimation function between coincident pressure and particle velocity. We discuss the proposed method's ability to estimate the DRR in a wide variety of room sizes, reverberation times and source receiver distances with appropriate examples. Test results show that the method can estimate the room DRR for frequencies between 199 - 2511 Hz, with $\pm$ 3 dB accuracy.

研究の動機と目的

• 音源信号やインパulse応答の事前知識が不要な、実用的で盲的な混響部屋内における直接対反射音エネルギー比（DRR）推定手法の開発を目的とする。
• 時間領域でのインパulse応答測定に依存する既存のDRR推定手法や、事前入力として正確な到来方向（DOA）推定を必要とする手法の限界を克服することを目的とする。
• 空間平均化と周波数平滑化MUSICを用いたDOA推定により、低SNRおよび高混響環境下でのDRR推定精度を向上させることを目的とする。
• ACE Challengeデータベースを用いて、多様な部屋サイズ、混響時間、音源-受信距離を想定した環境下で、本手法の有効性を検証することを目的とする。

提案手法

• 本手法は32要素のEigenmike球状マイクロホンアレイを用いて音場を記録し、測定された音圧データから離散的球面調和関数による分解を実行して球面調和係数を算出する。
• 一次の球面調和関数を用いて、アレイ中心における直交軸に沿った粒子速度成分を表現し、直接音の到達方向に沿った速度成分を推定する。
• 直接音と反射音成分のコherencyを軽減するために、球面調和領域に周波数平滑化MUSICアルゴリズムを適用し、直接音の到来方向（DOA）を推定する。
• Kuster（2013）が提唱した理論的関係に基づき、推定された粒子速度と音圧の大きさの二乗コherencyを用いてDRRを推定する。
• 特に高周波数帯で単一推定の性能が低下する状況を考慮し、複数の速度推定値の空間平均を適用して耐障害性を向上させる。
• 199 Hzから2511 Hzの周波数帯域で、低周波数および高周波数帯の信頼性の低いバンドを除き、サブバンドDRR推定値の平均をとることで、全周波数帯のDRRを算出する。

実験結果

リサーチクエスチョン

• RQ1 音源信号やインパulse応答の事前知識がなくても、球状マイクロホンアレイのみを用いてリアルタイムでDRRを正確に推定できるか？
• RQ2 本手法は、部屋のサイズ、混響時間、音源-受信距離の変動に対してどのように性能を示すか？
• RQ3 空間平均化と周波数平滑化DOA推定がDRR推定精度に与える影響は何か？
• RQ4 低信号対雑音比（SNR）条件下での本手法の性能はいかがなものか？
• RQ5 高混響環境下でも、本手法はどの程度の精度を維持できるか？

主な発見

• 提案手法は、199–2511 Hzの周波数帯域で、困難な音響環境下でも±3 dBのDRR推定精度を達成する。
• 4つの速度推定値の空間平均化により、特に高周波数帯で顕著な精度向上が見られ、ほとんどのサブバンドで真値からの偏差が2 dB未満に低下する。
• 18 dB SNR条件下では、全サブバンドの平均推定誤差が±3 dB以内に収まり、標準偏差は3 dB未満であり、周波数が高くなるにつれて誤差が減少する傾向を示す。
• -1 dB SNR条件下では、全サブバンドの平均誤差が上昇し、標準偏差が約4 dBに上昇するが、高周波数帯で改善が見られないことから、ノイズに敏感であることが示唆される。
• 18 dB SNR条件下では、全室構成で全周波数帯DRR推定誤差が±3 dB以内に収まり、平均誤差が3 dBを超えるのはたった2つの設定にとどまり、主に長距離・高混響条件の講義室記録で観察される。
• 本手法は高混響環境下でも耐障害性を示すが、真値DRRが非常に低い場合（長距離講義室記録など）には、わずかに精度が低下することが確認された。