[論文レビュー] Spatially Informed Independent Vector Analysis

Andreas Brendel, Thomas Haubner+1 more|arXiv (Cornell University)|Jul 23, 2019

Blind Source Separation Techniques参考文献 23被引用数 4

ひとこと要約

本稿では、分離フィルタの方向制約を介して空間的事前分布を組み込む最大事後確率（MAP）定式化を提案する。これにより、盲目的音源分離における外的置換不定性が自動的に解消される。マジョライズ・ミニマイズ（MM）アルゴリズムを用いることで、状態水準のauxIVAと同等の収束速度を達成し、干渉抑制性能および計算効率において勾配ベースの空間的制約付きIVAを上回る。実環境の部屋インパulse応答において有効である。

ABSTRACT

We present a Maximum A Posteriori (MAP) derivation of the Independent Vector Analysis (IVA) algorithm, a blind source separation algorithm, by incorporating a prior over the demixing matrices, relying on a free-field model. In this way, the outer permutation ambiguity of IVA is avoided. The resulting MAP optimization problem is solved by deriving majorize-minimize update rules to achieve convergence speed comparable to the well-known auxiliary function IVA algorithm. The performance of the proposed algorithm is investigated and compared to a benchmark algorithm using real measurements.

研究の動機と目的

• 悪質な音響環境下における盲目的音源分離のための独立ベクトル分析（IVA）における外的置換不定性を解消すること。
• 最大事後確率（MAP）フレームワークを用いて、源の方向などの空間的事前知識をIVAに組み込むこと。
• auxIVAと同等の収束速度を維持しながら空間的制約を課す高速収束型最適化手法を開発すること。
• 干渉抑制性能および計算コストの観点から、既存の空間的制約付きIVA手法を上回ること。
• 空間推定の不確実性をモデル化することで、局在化またはトラッキングシステムとの統合を可能にすること。

提案手法

• 分離フィルタにガウス事前分布を導入することで、方向性の源情報が符号化されたMAP定式化を導出する。
• マジョライズ・ミニマイズ（MM）原理を用いて、収束性と高速性を保証する安定でパラメータフリーの更新則を導出する。
• 到達方向（DOA）に関する事前分布を通じて幾何的制約（GC）を導入し、分離プロセスを誘導し、置換不定性を解消する。
• STFTを用いて時間領域の混合信号を周波数チャンネルに変換し、多次元源事前分布を有する周波数ドメインでのIVAを可能にする。
• 最適化の安定化と数値的問題の防止のため、フィルタエネルギーペナルティ項を導入する。
• 自由場モデルを用いて空間的事前分布を定義し、全周波数帯域でσ² = 40の事前分散を設定する。

実験結果

リサーチクエスチョン

• RQ1 空間的事前分布を用いて、収束速度を損なわずにMAPベースのIVA定式化が外的置換不定性を効果的に解消できるか？
• RQ2 提案手法のMMベース最適化は、勾配ベース手法と比較して収束速度および安定性において優れているか？
• RQ3 反響時間の異なる状況下で、提案手法のSIRおよびSDRにおける性能向上はどの程度か？
• RQ4 空間推定の不確実性を組み込んでも、高い音源分離品質を維持できるか？
• RQ5 提案手法の計算コストは、最先端の空間的制約付きIVAアルゴリズムと比較してどの程度か？

主な発見

• GC auxIVAは、全部屋環境でGC gradIVAより高い干渉抑制比（SIR）を達成しており、干渉抑制性能が優れている。
• GC auxIVAは、GC gradIVAと同等のSDR性能を達成しており、auxIVAにわずかに劣るが、追加の空間的事前分布を有するにもかかわらず良好な性能を示している。
• 反響時間（T60）が増加するにつれてSDRが低下しており、これは直接音と反響音のエネルギー比（DRR）が低下するため、予想通りの結果である。
• GC auxIVAは、1イテレーションあたりの計算コストがわずかに高いものの、GC gradIVAに比べて著しく収束が速く、収束に必要なイテレーション数が少ない。
• GC auxIVAとauxIVAのコスト関数は、ほぼ同一の速度で収束しており、空間的事前分布が収束速度に悪影響を及げないことが確認された。
• 1イテレーションあたりのコストがわずかに高いものの、必要なイテレーション数が少ないため、全体としてGC gradIVAよりも計算コストが低い。