[論文レビュー] Single-Channel Maximum-Likelihood T60 Estimation Exploiting Subband Information

Heinrich W. Loellmann, Andreas Brendel+2 more|arXiv (Cornell University)|Nov 12, 2015

Speech and Audio Processing被引用数 10

ひとこと要約

本稿では、サブバンド情報を利用することで、混响時間推定精度を向上させる単一チャネル最大尤度T60推定手法を提案する。DCTまたは1/3オクターブフィルターバンクによるエネルギー加重平均を用いて上位サブバンド推定値を平均化し、下位サブバンドのRTを上位帯域からモデル化することで、フルバンド推定器と同等の精度を達成しながら推定分散を低減し、直接的なサブバンド推定と比較して計算コストを削減したモデルベース手法を実現した。

ABSTRACT

This contribution presents four algorithms developed by the authors for single-channel fullband and subband T60 estimation within the ACE challenge. The blind estimation of the fullband reverberation time (RT) by maximum-likelihood (ML) estimation based on [15] is considered as baseline approach. An improvement of this algorithm is devised where an energy-weighted averaging of the upper subband RT estimates is performed using either a DCT or 1/3-octave filter-bank. The evaluation results show that this approach leads to a lower variance for the estimation error in comparison to the baseline approach at the price of an increased computational complexity. Moreover, a new algorithm to estimate the subband RT is devised, where the RT estimates for the lower octave subbands are extrapolated from the RT estimates of the upper subbands by means of a simple model for the frequency-dependency of the subband RT. The evaluation results of the ACE challenge reveal that this approach allows to estimate the subband RT with an estimation error which is in a similar range as for the presented fullband RT estimators.

研究の動機と目的

• サブバンド情報を活用することで、ブラインドな単一チャネル混ぜ込み時間（T60）推定を改善すること。
• ノイズや混ぜ込み環境下でも頑健性を維持しつつ、T60推定の推定分散を低減すること。
• 各帯域の直接推定を回避することで、計算効率の高いサブバンドT60推定手法を開発すること。
• 実世界のノイズと混ぜ込みを含む音声データを用いて、ACEチャレンジフレームワークで提案手法を検証すること。
• サブバンドT60推定における推定精度、分散、計算複雑度のトレードオフを調査すること。

提案手法

• フルバンドT60推定のベースラインとして、後期混ぜ込みを指数的減衰ノイズとしてモデル化した統計的モデルに基づく最大尤度（ML）推定器を用いる。
• 同じMLフレームワークを用いて各帯域でサブバンドT60推定値を独立に算出し、DCTまたは1/3オクターブフィルターバンクを用いたエネルギー加重平均により分散を低減する。
• 新規のモデルベース手法として、周波数依存減衰モデルを用いて上位サブバンド推定値から下位サブバンドのRT推定値を外挿する。
• 混ぜ込み減衰が指数的エンVELOPに従うものと仮定し、T60は減衰率ρを用いてT60 = 6.908 / ρで導出する。
• 提案手法はACEチャレンジのDevおよびEvalデータベースを用いて評価され、チューニングおよび検証には真値T60とSNRが利用された。
• 性能は、複数のノイズタイプおよびSNRレベルにおける真値に対する相対推定誤差を用いて評価された。

実験結果

リサーチクエスチョン

• RQ1 サブバンドベースのT60推定は、フルバンドML推定と比較して推定分散を低減できるか？
• RQ2 サブバンドRTの周波数依存性をモデル化することで、直接的なサブバンド推定と比較して推定精度が向上するか？
• RQ3 サブバンド平均化の計算複雑度は、直接的なサブバンド推定と比較してどうなるか？
• RQ4 上位帯域からの下位帯域RTのモデルベース外挿は、フルバンド推定器と同等の性能を達成できるか？
• RQ5 異なるノイズタイプおよびSNRレベルは、提案されたサブバンドT60推定手法の頑健性にどのように影響するか？

主な発見

• DCTベースのサブバンドRT推定値の平均化は、特に低SNR条件下で、ベースラインフルバンド推定器と比較して推定誤差の分散が低かった。
• モデルベースのサブバンドT60推定器は、フルバンド推定器と同等の推定誤差を達成したが、直接的なサブバンド推定と比較して顕著に計算複雑度が低減した。
• Devデータベースにおいて、モデルベース手法の平均二乗誤差は0.071であったのに対し、直接的サブバンド手法では0.1218であった。これは、優れた精度を示している。
• DCTベースの平均化手法は、オクターブサブバンド平均化よりも推定誤差の観点で優れており、特に低SNR条件下で顕著であった。
• 推定誤差の主な要因は、仮定された指数的減衰モデルと実世界のRIRとの不一致であり、特に高DRR条件下で顕著であった。
• ACEチャレンジの4500件のEvalファイルを対象とした評価結果から、モデルベースのサブバンド推定器が多様なノイズタイプおよびSNRレベルにおいて頑健に動作することが確認された。