[논문 리뷰] Phase Unmixing : Multichannel Source Separation with Magnitude Constraints

Antoine Deleforge, Yann Traonmilin|arXiv (Cornell University)|2016. 09. 30.

Speech and Audio Processing참고 문헌 28인용 수 4

한 줄 요약

이 논문은 소스의 진폭과 혼합 행렬은 알려져 있으나 위상은 알려져 있지 않은 다중채널 소스 분리 문제를 해결하기 위한 새로운 접근법인 '위상 분리(unmixing)'을 제안한다. 이 논문은 세 가지 방법을 제안하며, 특히 볼록형 준선형 리 릿팅(PhUnLift)이 과소정의된 상황에서 오라클 다중채널 위너 필터보다 뛰어난 성능을 보이며, 거의 정확한 재구성과 노이즈에 대한 안정성을 확보한다.

ABSTRACT

We consider the problem of estimating the phases of K mixed complex signals from a multichannel observation, when the mixing matrix and signal magnitudes are known. This problem can be cast as a non-convex quadratically constrained quadratic program which is known to be NP-hard in general. We propose three approaches to tackle it: a heuristic method, an alternate minimization method, and a convex relaxation into a semi-definite program. The last two approaches are showed to outperform the oracle multichannel Wiener filter in under-determined informed source separation tasks, using simulated and speech signals. The convex relaxation approach yields best results, including the potential for exact source separation in under-determined settings.

연구 동기 및 목표

• 소스의 위상만 알려져 있지 않은 다중채널 소스 분리 문제에 도전한다.
• 이차적 진폭 제약 조건 하에 비볼록이고 NP-난이도인 위상 추정 문제를 다룬다.
• 지능형 환경에서 소스 분리 성능을 향상시키기 위한 실용적이고 이론적으로 타당한 방법을 개발한다.
• 특히 과소정의된 구성에서 제안된 방법들을 오라클 다중채널 위너 필터와 비교 평가한다.
• 실제로 노이즈가 존재하고 과소정의된 상황에서도 볼록 리 릿팅을 통해 정확한 소스 분리를 가능하게 할 잠재력을 입증한다.

제안 방법

• 고정된 진폭 제약 조건 하에 잔차 오차를 최소화하는 비볼록 이차제약 조건을 가진 정수계획문제(QCQP)로 위상 분리 문제를 수식화한다.
• 기울기 유사 단계를 사용한 반복적 위상 업데이트 기반의 히우리스틱 방법을 제안한다.
• 위상 최적화와 제약 조건 강제를 번갈아가며 수행하는 교대 최소화 접근법(PhUnAlt)을 제안한다.
• 비볼록 QCQP 문제를 준선형계획문제(SDP)로 변환하는 볼록 리 릿팅 기법을 개발하여, 이를 PhUnLift로 명명한다.
• 해결 품질을 향상시키기 위해 PhUnLift에 정밀 조정 단계(PhUnLift+)를 추가로 도입한다.
• 위상 추정 문제를 더 높은 차원의 양의 준정부호 행렬에 통합하기 위해 리 릿팅 기법을 사용한다.

실험 결과

연구 질문

• RQ1 알려진 진폭과 혼합 행렬을 바탕으로 한 위상 분리가 과소정의된 상황에서 오라클 다중채널 위너 필터를 능가할 수 있는가?
• RQ2 NP-난이도 문제인 위상 분리 문제를 해결하는 데 있어 볼록 리 릿팅(SDP) 접근법이 히우리스틱 및 교대 방법에 비해 얼마나 효과적인가?
• RQ3 과소정의된 구성에서 노이즈가 다양한 위상 추정 전략의 성능에 미치는 영향은 어떠한가?
• RQ4 제안된 방법들이 센서 수가 소스 수보다 적은 경우에도 거의 정확하거나 정확한 소스 분리를 달성할 수 있는가?
• RQ5 국소 최솟값의 수가 PhUnAlt와 같은 반복적 방법의 수렴에 미치는 영향은 무엇이며, 여러 초기화 방법이 이를 완화할 수 있는가?

주요 결과

• PhUnLift 볼록 리 릿팅 방법이 과소정의된 상황에서 오라클 다중채널 위너 필터를 능가하며, 상당히 낮은 재구성 오차를 기록한다.
• M ≥ K일 경우 충분한 센서를 갖춘 상황에서 PhUnLift는 100%의 테스트 케이스에서 거의 정확한 재구성(상대 오차 < 10⁻⁸)을 달성한다. 특히 M > K일 경우 더욱 뚜렷하다.
• M=4, K=6 조건의 시뮬레이션 실험에서 PhUnLift+는 평균 SDR 44.8 dB를 기록하여, NMWF+(31.6 dB)를 포함한 모든 다른 방법을 앞서며 승리한다.
• PhUnLift는 노이즈에 대해 안정적인 성능을 보이며, M ≥ K일 경우 이론적으로 예측한 바와 같이 오차가 노이즈 전력 비례로 증가한다.
• 히우리스틱 방법인 PhUnAlt는 국소 최솟값 문제로 인해 과소정의된 상황에서 약 80%의 정확한 복원 확률에 머무르지만, 유리한 구성에서는 PhUnLift+가 100%의 정확도를 달성한다.
• 반복적 또는 볼록 방법에 비해 비반복적 MWF 및 NMWF 방법은 더 빠르지만, 특히 과소정의된 상황에서 성능이 열 劣하다.