[论文解读] Channel Decorrelation For Stereo Acoustic Echo Cancellation In High-Quality Audio Communication

Jean-Marc Valin|arXiv (Cornell University)|Mar 10, 2016

Speech and Audio Processing参考文献 6被引用 5

一句话总结

本文提出了一种感知驱动的、低延迟立体声回声消除方法，通过使用成形梳状全通（SCAL）滤波器对高频分量进行去相关，同时在低频段注入心理声学掩蔽噪声，实现左右音频通道的去相关。该方法在保持音频质量和立体声像完整性的同时，实现了优异的去相关效果，且可听失真极小，在客观与主观评估中均优于现有方法。

ABSTRACT

In this paper, we address an important problem in high-quality audio communication systems. Acoustic echo cancellation with stereo signals is generally an under-determined problem because of the generally important correlation that exists between the left and right channels. In this paper, we present a novel method of significantly reducing that correlation without affecting the audio quality. This method is perceptually motivated and combines a shaped comb-allpass (SCAL) filter with the injection of psychoacoustically masked noise. We show that the proposed method performs significantly better than other known methods for channel decorrelation.

研究动机与目标

• 为解决立体声声学回声消除中通道间互相关性过高导致的滤波器估计欠定问题。
• 在不引入显著可听失真的前提下降低通道间相干性，尤其针对音乐和语音信号。
• 保持立体声像质量，避免产生明显可察觉的伪影（如镶边效应或爆裂声）。
• 确保不引入额外延迟，以维持视频会议系统中的实时性能。
• 开发一种计算效率高的方法，适用于集成到现有回声消除系统中。

提出的方法

• 该方法使用具有时变滤波器系数 α 和阶数 N 的成形梳状全通（SCAL）滤波器，通过非线性相位调制对高频分量进行去相关。
• 采用重叠分析与合成窗（Vorbis窗）及加权重叠相加（WOLA）技术，防止块效应伪影。
• 随时间动态调整滤波器阶数 N，以移动相位响应中的深零点，避开去相关效果不佳的频带。
• 在低频段注入心理声学掩蔽噪声，进一步降低通道间相干性，同时保持感知上的不可见性。
• 噪声注入经过整形处理，以掩蔽其感知影响，尤其在原始信号具有强掩蔽效应的区域。
• 整个过程基于分块处理且无延迟，仅包含系统固有的延迟，无额外延迟引入。

实验结果

研究问题

• RQ1 在立体声声学回声消除中，能否在不损害音质的前提下有效降低通道间相关性？
• RQ2 如何以最小化可听伪影（如镶边效应或噪声）的方式应用非线性去相关？
• RQ3 全通滤波与掩蔽噪声注入相结合，能在多大程度上优于现有去相关技术？
• RQ4 能否在实时系统中实现计算复杂度极低且无额外延迟的去相关？
• RQ5 在客观相干性与主观音质方面，该方法与替代方案相比表现如何？

主要发现

• 所提方法（P3）在所有测试信号中均实现了最低的通道间相干性，钢琴、吉他和钢片琴信号的Bark加权平方相干值分别为0.38、0.42和0.35。
• P3在客观（PEAQ）与主观（MUSHRA）评估中均优于所有其他配置，吉他信号的客观差异等级为-0.36。
• 即使在高去相关水平下，该方法仍保持低失真，如图5所示的等效信噪比（SNR）在整个频谱范围内保持有利水平。
• 主观听音测试确认，P1、P2和P3在偏好度上显著优于其他配置，且对其他算法无显著偏好。
• 时变 α 和 N 的SCAL滤波器有效避免了关键频率处的相位深零点，而低频段的噪声注入则在不引入可听劣化的情况下实现了稳定的去相关。
• 如镶边效应或爆裂声等伪影极少，且在感知上被有效掩蔽，尤其相较于平滑绝对值或一阶全通滤波器而言表现更优。