[論文レビュー] The Combination of Several Decorrelation Methods to Improve Acoustic Feedback Cancellation

Klaus Linhard, Philipp Bulling|arXiv (Cornell University)|Feb 6, 2026

Speech and Audio Processing被引用数 0

ひとこと要約

この研究は、周波数ドメインカルマンフィルタに基づく音響フィードバックキャンセレーションシステムを、複数のデコレレーション手法（可変時間遅延、予測、歪み、残響モデリング）と組み合わせて拡張し、それらの併用が公開データセット上でPESQとシステム距離指標の改善をもたらすことを示す。

ABSTRACT

This paper extends an acoustic feedback cancellation system by incorporating multiple decorrelation methods. The baseline system is based on a frequency-domain Kalman filter implemented in a multi-delay structure. The proposed extensions include a variable time delay line, prediction, distortion compensation, and a simplified reverberation model. Each extension is analyzed, and a practical parameter range is defined. While existing literature often focuses on a single extension, such as prediction, to describe an optimal system, this work demonstrates that each individual extension contributes to performance improvements. Furthermore, the combination of all proposed extensions results in a superior system. The evaluation is conducted using publicly available datasets, with performance assessed through system distance metrics and the objective speech quality measure PSEQ.

研究の動機と目的

• 車載通信などの音声システムにおける音響フィードバックキャンセレーションへ対応する。
• MD-FLMS/カルマンフィルタ構造を複数のデコレレーション拡張で強化する。
• 各拡張が収束と音声品質へ与える個別および組み合わせの影響を定量化する。
• 各拡張の実用的なパラメータ範囲を確立する。
• 公開データセットと客観的指標（PESQ、システム距離、オーバーフロー）を用いて改善を検証する。

提案手法

• 周波数ドメインのカルマンフィルタをMD-FLMS構造内から開始する。
• デコレレーション拡張を追加する：固定/可変時間遅延（ビブラート）、予測、非線形歪み、簡易的な残響モデル（エネルギー減衰演算子）。
• 収束を測定するためにL2ノルムベースのシステム距離sd(l)を使用し、early sd5およびlate sd20+指標を導入する。
• PESQを音声品質指標として評価し、ループゲインg（0, 6, 12, 30 dB）を ramped gate で不安定化を防ぎつつ分析する。
• 可変遅延を最大遅延約2 ms、変調周波数約1–2 Hzでパラメータ化する。低次予測子（Np=2または4）を使用する。非線形曲線とTHD設定（5–10%）を比較する。
• 公共データのLombard音声データとANIR自動車インパルス応答で、16 kHzサンプリング、4つのゲイン設定を用い、男性と女性の声を別々に平均して評価する。

実験結果

リサーチクエスチョン

• RQ1 個々のデコレレーション拡張はベースラインと比較して性能を向上させるか。
• RQ2 複数のデコレレーション手法を組み合わせると、単一手法の拡張よりも優れた性能を示すか。
• RQ3 PESQ、収束速度、オーバーフローのバランスを取るための各拡張の実用的なパラメータ範囲は何か。
• RQ4 公開データセット（ Lombard と ANIR ）上で、異なるループゲインで拡張はどのように性能を示すか。
• RQ5 ビブラートと予測および他の拡張間の相対的影響は、システムの収束と音声品質にどのように寄与するか。

主な発見

• 各デコレレーション拡張は、ベースラインよりも性能の改善に寄与する。
• 可変時間遅延（ビブラート）が最も顕著な改善をもたらし、その後に予測が続く。
• ビブラートと予測の組み合わせは、PESQとシステム距離の両方の指標で優れた性能を示す。
• 非線形歪みは収束距離を改善するが、より高いTHDでPESQをわずかに悪化させる可能性がある。THDを約5%に抑えるとバランスが取れる。
• 単純な残響モデル（曲線フィッティング）は適応を安定化させ、他の拡張と併用することで結果をさらに改善する。
• 公開データ全体で、全拡張を組み合わせた場合が最良の全体性能を示し、30 dBゲイン時にはオーバーフローが非常に稀にしか発生しない。