[論文レビュー] On the Impact of Localization Errors on HRTF-based Robust Least-Squares Beamforming

Hendrik Barfuss, Walter Kellermann|arXiv (Cornell University)|Mar 29, 2016

Speech and Audio Processing参考文献 9被引用数 3

ひとこと要約

本稿は、ロボット聴覚システムにおけるHRTFベースのロバスト最小二乗ビームフォーミングに、局所化誤差が与える影響を調査する。DOA推定の誤差やロボット-音源距離の不一致が、特に干渉音源の方向にビームフォーマーが向けられる場合にビームフォーミング性能を劣化させることを示しているが、HRTFベースの設計は、このような誤差下でも自由場ベースの代替手法を上回る性能を示している。

ABSTRACT

In this work, a recently proposed Head-Related Transfer Function (HRTF)-based Robust Least-Squares Frequency-Invariant (RLSFI) beamformer design is analyzed with respect to its robustness against localization errors, which lead to a mismatch between the HRTFs corresponding to the actual target source position and the HRTFs which have been used for the beamformer design. The impact of this mismatch on the performance of the HRTF-based RLSFI beamformer is evaluated, including a comparison to the free-field-based beamformer design, using signal-based measures and word error rates for an off-the-shelf speech recognizer.

研究の動機と目的

• ロボット聴覚シナリオにおける局所化誤差下でのHRTFベースのRLSFIビームフォーマーのロバスト性を評価すること。
• HRTFベースのビームフォーマー設計における誤ったDOA推定（方位角および仰角）が引き起こす性能劣化を調査すること。
• HRTFが実際の音源位置とは異なる距離で測定された場合の、ロボット-音源距離の不一致がビームフォーマー性能に与える影響を評価すること。
• 局所化誤差下でのHRTFベースのビームフォーミングと従来の自由場ベースのビームフォーミングを比較すること。
• 局所化不正確さに対する感受性を定量化することで、HRTFベースのビームフォーマーの設計指針を提供すること。

提案手法

• 自由場のステアリングベクトルの代わりに、測定済みまたはシミュレートされたHRTFを使用するように、ロバスト最小二乗周波数不変（RLSFI）ビームフォーマー設計を適応させる。
• LS最適化における自由場のセンサ応答を、gn,HRTF(ωp, φm, θm) = hmn(ωp) として置き換え、直接音路伝播をモデル化する。
• 白色ノイズ利得（WNG ≥ γ）および所望の視線方向における歪みなし応答（wT_f(ωp)d(ωp) = 1）の制約を課す。
• 各離散周波数 ωp に対してLS最適化問題を解き、最適フィルタ係数のFIR近似を実行する。
• HRTFを基準のロボット-音源距離（1.1m）で測定したものを用いてビームフォーマーを設計し、異なる距離（例：2m）で性能をテストする。
• 複数の音源位置にわたって平均化した、ASR指標（語誤り率（WER）および周波数重み付きセグメンタルSNR（fwSegSNR））を用いて性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 方位角DOA推定誤差がHRTFベースのRLSFIビームフォーマー性能に与える影響は？
• RQ2 HRTFが異なる距離で設計された場合、ロボット-音源距離の不一致がビームフォーマー出力品質に与える影響は？
• RQ3 局所化誤差によりビームが干渉音源の方向に向けられる場合、ビームフォーマー性能はどのように劣化するか？
• RQ4 局所化誤差下でもHRTFベースのビームフォーマーは自由場ベースのビームフォーマーを上回る性能を維持するか？
• RQ5 局所化誤差によりビームが干渉音源からずれた場合、ビームパターンの空間的ナトリクスを活用して干渉を低減できるか？

主な発見

• 方位角に±5°および±10°の局所化誤差があると、干渉音源の方向にビームが向けられる場合、平均WERが31.4%から40.5%に上昇する。
• 局所化誤差によりビームが干渉音源からずれる場合（例：+5°または+10°）、ビームパターンの空間的ナトリクスが干渉音源の方向に近づくため、性能が向上する。
• 設計時の距離（1.1m）と実際の距離（2m）の不一致により、仰角に13.5°の不一致が生じ、WERが9.1%から8.8%に上昇し、fwSegSNRはわずかに低下する。
• 誤差下でもHRTFベースのビームフォーマーは、すべてのテスト条件下で自由場ベースのビームフォーマーを常に上回り、WERおよびfwSegSNRの両面で優れた性能を示す。
• 性能劣化は、ビームフォーマーが干渉音源の方向に向けられる場合に最も顕著であり、干渉を避ける方向にビームがずれる誤差は、抑制性能を向上させることがある。
• 本研究は、HRTFベースのビームフォーマー設計において、正確な局所化が極めて重要であることを確認しており、不一致するHRTFはロバスト性および出力品質を著しく低下させる。