[论文解读] BRUDEX Database: Binaural Room Impulse Responses with Uniformly Distributed External Microphones

Daniel Fejgin, Wiebke Middelberg+1 more|arXiv (Cornell University)|Jun 14, 2023

Speech and Audio Processing被引用 7

一句话总结

BRUDEX 数据库提供了 1,500 个双耳房间脉冲响应（RIR），配备 36 个在空间上均匀分布的外部麦克风，以及用于听力辅助设备的双耳麦克风，在三种混响条件（T60 ≈ 310、510、1300 毫秒）下，支持多麦克风信号处理的可重复评估。该数据库在双耳 MVDR 波束成形中表现出实用性，使用匹配的 RIR 时可实现高达 7 dB 的 BSNR 改进，结果与现有文献高度一致。

ABSTRACT

There is an emerging need for comparable data for multi-microphone processing, particularly in acoustic sensor networks. However, commonly available databases are often limited in the spatial diversity of the microphones or only allow for particular signal processing tasks. In this paper, we present a database of acoustic impulse responses and recordings for a binaural hearing aid setup, 36 spatially distributed microphones spanning a uniform grid of (5x5) m^2 and 12 source positions. This database can be used for a variety of signal processing tasks, such as (multi-microphone) noise reduction, source localization, and dereverberation, as the measurements were performed using the same setup for three different reverberation conditions (T_60\approx{310, 510, 1300} ms). The usability of the database is demonstrated for a noise reduction task using a minimum variance distortionless response beamformer based on relative transfer functions, exploiting the availability of spatially distributed microphones.

研究动机与目标

• 为解决公开可用、可比较的多麦克风 RIR 数据库在空间多样性与可变声学条件方面缺乏的问题，以支持可重复研究。
• 提供一个综合数据集，包含测量的 RIR、语音和噪声信号，适用于多种信号处理任务，如降噪、混响抑制和声源定位。
• 通过使用具有受控、校准的空间与声学参数的真实世界脉冲响应，实现波束成形算法的基准测试。

提出的方法

• 该数据库在奥尔登堡大学的可变混响实验室中录制，采用 5×5 网格分布的 36 个外部麦克风，以及配备 6 个听力辅助麦克风的 KEMAR 仿真头。
• 通过窗帘和吸音板控制混响条件，T60 通过 Schroeder 的反向积分法测量，DRR 通过直达路径与早期/晚期反射能量计算得出。
• 在三种 T60 条件下（低：310 毫秒，中：510 毫秒，高：1300 毫秒）对 12 个声源位置测量了 RIR，麦克风和扬声器位置均完成完整校准。
• 数据集为每种条件单独录制了语音（女性/男性）和噪声（背景人声、咖啡厅、白噪声），以实现真实声学场景的模拟。
• 采用相对传输函数（RTF）向量实现了双耳 MVDR 波束成形，RTF 向量可基于数据库中的 RIR 或通过基于语音存在概率的方法（SC-E14、SC-E27、SC-E28）估计。
• 性能通过宽带双耳信噪比提升（ΔBSNR）进行评估，计算方式为在 1 秒重叠段中（重叠率 85%），排除前 1.5 秒用于初始化。

实验结果

研究问题

• RQ1 在可变混响的多麦克风设置中，使用从真实世界 RIR 估计的 RTF 向量，双耳 MVDR 波束成形能否实现显著的信噪比提升？
• RQ2 在使用真实 RIR 与基于麦克风信号估计的 RTF 时，RTF 估计方法（如基于 SC 与 mSNR 的方法）的性能表现如何比较？
• RQ3 在高混响环境中，使用不匹配的 RIR（如自由场或低混响）对波束成形性能的影响有多大？
• RQ4 BRUDEX 数据库在不同声学条件下，对多麦克风信号处理算法的可重复评估支持程度如何？

主要发现

• 使用与混响条件匹配的 RIR（中等 T60 ≈ 510 毫秒）可实现最高的 BSNR 提升，约为 7 dB。
• 使用低混响条件（T60 ≈ 310 毫秒）的 RIR 仍可实现约 4 dB 的 BSNR 提升，表明对中等失配具有鲁棒性。
• 使用自由场 RIR 近似仅实现 2 dB 的 BSNR 提升，凸显了对早期和晚期反射建模的重要性。
• 通过 SC 方法（SC-E14、SC-E27、SC-E28）估计的 RTF 向量可实现约 4–5 dB 的 BSNR 提升，证明了盲估计的可行性。
• 基于 mSNR 的 RTF 估计方法实现了 5.5 dB 的 BSNR 提升，略优于单个 SC 基估计方法，但仍未达到真实 RIR 的性能水平。
• 结果与先前文献高度一致，验证了 BRUDEX 数据库作为多麦克风信号处理可靠基准的适用性。