[論文レビュー] PSD estimation in Beamspace for Estimating Direct-to-Reverberant Ratio from A Reverberant Speech Signal

Yusuke Hioka, Kenta Niwa|arXiv (Cornell University)|Oct 30, 2015

Speech and Audio Processing参考文献 10被引用数 9

ひとこと要約

本稿では、マイクロフォンアレイを用いたビームスペースにおけるパワースペクトル密度（PSD）推定を活用し、異なるビームパターンを有する2つの遅延・sum（DAS）ビームフォーマーを用いて直接音と残響を分離することで、部屋インパルス応答や音源方向の事前知識を必要としない盲的なDRR推定手法を提案する。ACE Challengeコーパスを用いた評価では、特に音声環境や雑音レベルが変化する条件下でも、先行手法に比べて推定誤差の分散が低く、精度が向上しており、キャリブレーションによりバイアスもさらに低減されている。

ABSTRACT

A method for estimation of direct-to-reverberant ratio (DRR) using a microphone array is proposed. The proposed method estimates the power spectral density (PSD) of the direct sound and the reverberation using the algorithm extit{PSD estimation in beamspace} with a microphone array and calculates the DRR of the observed signal. The speech corpus of the ACE (Acoustic Characterisation of Environments) Challenge was utilised for evaluating the practical feasibility of the proposed method. The experimental results revealed that the proposed method was able to effectively estimate the DRR from a recording of a reverberant speech signal which included various environmental noise.

研究の動機と目的

• 部屋インパルス応答や音源方向の事前知識が不要な盲的なDRR推定手法の開発を目的とする。
• ビームスペースにおけるビームフォーミングによる空間的多様性を活用することで、推定精度の向上を図ることを目的とする。
• ACE Challengeデータセットを用いて、音源方向が未知で環境雑音が存在する完全な盲的条件下での手法の評価を目的とする。
• 本手法とACEコーパスとの間でDRR定義の違いが引き起こす推定バイアスを低減することを目的とする。
• 多様な音響環境や雑音レベルにおけるロバスト性を評価することを目的とする。

提案手法

• 本手法は、同一のビームパターン形状を有するが異なるスティアリング方向を持つ2つの遅延・sum（DAS）ビームフォーマーを用いる。一方は推定された音源方向に合わせられ、もう一方は方位角で60度ずらされた方向にスティアリングされる。
• ビームフォーマー出力は、直接音が空間的に整合的であるのに対し、残響は拡散的であるという仮定に基づき、ビームスペースにおける直接音と残響のパワースペクトル密度（PSD）を推定するために用いられる。
• DRRは、周波数チャンネルごとに推定された直接音のPSDと残響のPSDの比として計算される。
• 音声活動検出（VAD）段階では、定常雑音推定から導出された信号エネルギーのしきい値に基づいて、音声活動フレームが選別される。
• 音源方向推定（DOA）は、遅延・sumビームフォーミングを用いたスティアリングビームフォーマーを用いて実行され、必要な音源方向入力を提供する。
• Devデータセットを用いた定数バイアスキャリブレーションにより、本手法とACEコーパスとの間でDRR定義の差異（特に早期反射の分類方法）に起因する乖離を是正する。

実験結果

リサーチクエスチョン

• RQ1 ビームスペースに基づくPSD推定手法は、完全な盲的状況下で、コherー二ティに基づく手法に比べてより高いDRR推定精度を達成できるか？
• RQ2 本手法は、ACE Challengeデータセットの多様な音響環境および雑音レベルにおいて、どのように性能を発揮するか？
• RQ3 本手法の推定精度は、事前に推定されたDOAの精度にどの程度依存するか？
• RQ4 少数のキャリブレーションデータセットを用いることで、DRR推定のバイアスを効果的に補正できるか？
• RQ5 同一のビームパターン形状を有するが異なるスティアリング方向を持つ2つのビームフォーマーを用いることで、直接音成分と残響成分の分離が向上するか？

主な発見

• 本手法は、著者らの以前のコherー二ティベースのPSD手法と比較して、推定誤差の分散が低く抑えられており、より高いロバスト性を示している。
• 本手法は、ACE ChallengeのEvalデータセットにおける全テスト雑音レベルおよび部屋タイプにおいて、精度が向上していることが確認された。
• バイアスキャリブレーションにより、特にACEコーパスと本モデルとの間で早期反射の分類方法に差異があることによる系統的誤差が顕著に低減された。
• DOA推定が不正確な環境では性能劣化が観察されたことから、本手法は音源方向推定の精度に敏感であることが示された。
• 特に厳しい音響条件下でも、平均誤差および誤差分布の広がりの両面で、先行手法を上回る性能を発揮した。
• 結果から、将来的なDRR推定手法は、正確なDOA推定に依存しにくくするべきであることが示唆された。