[論文レビュー] Optimal Binaural LCMV Beamforming in Complex Acoustic Scenarios: Theoretical and Practical Insights

Nico Gößling, Daniel Marquardt+3 more|arXiv (Cornell University)|Jul 12, 2018

Speech and Audio Processing参考文献 14被引用数 4

ひとこと要約

本稿では、複雑な音響環境下でも双耳的ヒントを保持するため、バイナリカル線形制約最小分散（BLCMV）ビームフォーマーの干渉スケーリングパラメータの最適化を提案する。これらのパラメータに上限および下限のしきい値を適用することにより、短い観測時間による推定誤差に対してもロバストな性能を達成し、実世界の補聴器アプリケーションにおける有効なノイズ低減を維持しながら、双耳的ヒント誤差を顕著に低減する。

ABSTRACT

Binaural beamforming algorithms for head-mounted assistive listening devices are crucial to improve speech quality and speech intelligibility in noisy environments, while maintaining the spatial impression of the acoustic scene. While the well-known BMVDR beamformer is able to preserve the binaural cues of one desired source, the BLCMV beamformer uses additional constraints to also preserve the binaural cues of interfering sources. In this paper, we provide theoretical and practical insights on how to optimally set the interference scaling parameters in the BLCMV beamformer for an arbitrary number of interfering sources. In addition, since in practice only a limited temporal observation interval is available to estimate all required beamformer quantities, we provide an experimental evaluation in a complex acoustic scenario using measured impulse responses from hearing aids in a cafeteria for different observation intervals. The results show that even rather short observation intervals are sufficient to achieve a decent noise reduction performance and that a proposed threshold on the optimal interference scaling parameters leads to smaller binaural cue errors in practice.

研究の動機と目的

• 複数の干渉音源の双耳的ヒントを保持するためのBLCMVビームフォーマーの最適干渉スケーリングパラメータを導出すること。
• 短い時間的観測時間による推定誤差が実際の性能を低下させることを解消すること。
• RTF推定誤差に対するロバスト性を向上させるために、干渉スケーリングパラメータにしきい値戦略を提案すること。
• 実世界のカフェテリア環境において、異なる相関行列と観測時間でBMVDRおよびBLCMVビームフォーマーの性能を評価すること。
• 短い観測時間でも、しきい値を適用したパラメータを用いることで、有効なノイズ低減と双耳的ヒントの保持が十分に可能であることを示すこと。

提案手法

• BMVDR-RTFビームフォーマーに基づき、複数の干渉音源の双耳的ヒントを保持するためのBLCMVの最適干渉スケーリングパラメータを導出する。
• 実際のRTF推定誤差に対するロバスト性を向上させるために、最適スケーリングパラメータに上限および下限のしきい値を適用する。
• カフェテリア環境における補聴器の測定インパulse応答を用いて、現実的な複雑な音響環境をシミュレートする。
• リアルタイムのビームフォーマー実装のため、256点のブロックと50%のオーバーラップを用いた重み付きオーバーラップアド処理フレームワークを採用する。
• 短い時間的観測時間からの相関行列（R_y、R_v、R_n）およびRTFを推定し、推定不確実性下での性能を評価する。
• SINR向上と双耳的ヒント誤差（ILDおよびITD）を性能指標として用い、周波数およびシナリオ全体で平均化してビームフォーマーを評価する。

実験結果

リサーチクエスチョン

• RQ1 複数の干渉音源の双耳的ヒントを保持するためのBLCMVビームフォーマーの最適干渉スケーリングパラメータは何か？
• RQ2 短い観測時間からの推定誤差は、BLCMVおよびBMVDRビームフォーマーの性能にどのように影響するか？
• RQ3 最適干渉スケーリングパラメータにしきい値を適用することで、実際のRTF推定誤差に対するロバスト性は向上するか？
• RQ4 相関行列（R_y、R_v、R_n）の選択がSINR向上と双耳的ヒント保持に与える影響は何か？
• RQ5 最適パラメータとしきい値を適用したパラメータを用いる場合、SINR向上と双耳的ヒント誤差の間にトレードオフがあるか？

主な発見

• 200 ms未満の短い観測時間でも十分なノイズ低減性能が得られ、限られたデータからの推定が実用可能であることを示している。
• BLCMVに最適干渉スケーリングパラメータ（δ^opt）を適用すると、特に短い観測時間において、BMVDRビームフォーマーと同程度の双耳的ヒント誤差が発生する。
• 最適干渉スケーリングパラメータ（δ^opt）にしきい値を適用した（δ^thr）ことで、ITDに関して特に顕著に双耳的ヒント誤差が低減される。
• R_nを用いる場合、観測時間が300 msを超えると、BLCMVビームフォーマー（δ^thr）はBMVDRをSINR向上面で上回る。これは追加の制約によるものである。
• 短い観測時間の動的状況では、R_vは正確に推定しづらいので、R_nをR_vの代わりに使用することを推奨する。
• 非公式な聴取テストにより、δ^thrが空間的ヒントをより効果的に保持するため、より優れた知覚的品質をもたらすことが確認された。