[論文レビュー] Improving Blind Source Separation Performance By Adaptive Array Geometries For Humanoid Robots

Hendrik Barfuss, Walter Kellermann|arXiv (Cornell University)|Apr 28, 2014

Speech and Audio Processing被引用数 4

ひとこと要約

本稿では、人間型ロボット向けに、音源分離性能を向上させるためにマイクロホン間隔を動的に調整するアダプティブなマイクロホンアレイ幾何学アルゴリズムを提案する。平均二乗相互相関（MSC）に基づくオンライン性能指標を用いて、リアルタイムでアレイ構成を繰り返し最適化することで、シミュレーションにおける複数話者環境下で、信号対干渉比（SIR）が著しくかつ持続的に向上した。

ABSTRACT

In this paper, the concept of an adaptation algorithm is proposed, which can be used to blindly adapt the microphone array geometry of a humanoid robot such that the performance of the underlying signal separation algorithm is improved. As a decisive feature, an online performance measure for blind source separation is introduced which allows a robust and reliable estimation of the instantaneous separation performance based on currently observable data. Experimental results from a simulated environment confirm the efficacy of the concept.

研究の動機と目的

• 騒音が強く複数話者が存在する環境下で、人間型ロボットのブラインドソース分離（BSS）性能を向上させること。
• 音源位置やアレイ構成に関する事前知識がなくても、マイクロホンアレイ幾何学のリアルタイムな適応を可能にし、信号抽出を強化すること。
• 観測可能なデータのみを用いて、ブラインドでBSS品質を評価可能な堅牢なオンライン性能指標を開発すること。
• 動的マイクロホン間隔調整が、現実に近い音響条件下で分離性能を向上させることを実証すること。
• 特に複雑な環境下での自動音声認識（ASR）の向上を目的として、適応的アレイ幾何学を包括的なロボット聴覚システムに統合する基盤を構築すること。

提案手法

• アルゴリズムは、2つの重複する2センサーサブアレイを持つ3センサーラインアレイを構成し、それぞれのマイクロホン間隔を独立に調整可能とする。
• 各イテレーションにおいて、BSSアルゴリズムが2つのサブアレイに適用され、平均二乗相互相関（MSC）をオンライン性能指標として用いて分離性能を評価する。
• MSCは短い時間セグメントごとに計算され、分離性能が優れたサブアレイを特定するために用いられる。
• 優れたサブアレイのMSCに基づき、勾配に基づく適応ルールを用いて対応するマイクロホン間隔を更新し、将来の性能向上を図る。
• 適応プロセスは5秒ごとに繰り返され、各ステップで最も優れた性能を示すサブアレイを選択し、幾何学的調整をガイドする。
• 出力信号は、SIRが最大のサブアレイから得られ、最適な信号抽出が保証される。

実験結果

リサーチクエスチョン

• RQ1 MSCに基づくオンラインでブラインドな性能指標は、リアルタイムでBSSアルゴリズムの即時の分離品質を信頼性を持って推定できるか？
• RQ2 音源位置の事前知識がなくても、マイクロホンアレイ幾何学の動的適応が、複数話者環境下での信号対干渉比（SIR）を向上させられるか？
• RQ3 提案された適応アルゴリズムは、時間経過とともに測定可能で持続的なBSS性能の向上をもたらすか？
• RQ4 異なるマイクロホン間隔におけるBSSアルゴリズムの性能はどのように変化するか？また、システムは最適な構成に自律的に収束できるか？
• RQ5 適応的アレイ幾何学は、悪質な音響条件下でのロボット聴覚システムの耐障害性をどの程度向上させられるか？

主な発見

• 抽出アルゴリズムの出力における平均SIRは、時間経過とともに着実に上昇し、分離性能の継続的向上を示した。
• 適応プロセスは、出力SIRの持続的上昇によって、分離性能が向上した構成に正常に収束したことが裏付けられた。
• 出力における平均SIR（SIR_mean,out）は、常に優れたサブアレイのSIRと一致しており、システムが正しく最良の構成を特定・利用していることを確認した。
• オンラインMSCベースの性能指標が適応プロセスを効果的にガイドした。MSC値が低いほどSIRが高くなる傾向があり、これがブラインド性能指標としての信頼性を裏付けた。
• アルゴリズムはシミュレーション環境において堅牢性を示し、動的アレイ幾何学の適応が、複数話者環境下でのBSS性能を顕著に向上させることを実証した。
• 最終的なマイクロホン間隔は、初期値の0.15 mおよび0.20 mから、それぞれ0.30 mおよび0.45 mに調整された。これは、ビームフォーミングの指向性を向上させるために、より大きなアパーチャーを効果的に探索したことを示している。