[论文解读] Improving Blind Source Separation Performance By Adaptive Array Geometries For Humanoid Robots

Hendrik Barfuss, Walter Kellermann|arXiv (Cornell University)|Apr 28, 2014

Speech and Audio Processing被引用 4

一句话总结

本文提出了一种适用于人形机器人的自适应麦克风阵列几何算法，通过动态调整麦克风间距来提升盲源分离（BSS）性能。该系统基于均方相干性（MSC）的在线性能度量，实时迭代优化阵列配置，从而在模拟的多说话人场景中显著且持续地提高信干比（SIR）。

ABSTRACT

In this paper, the concept of an adaptation algorithm is proposed, which can be used to blindly adapt the microphone array geometry of a humanoid robot such that the performance of the underlying signal separation algorithm is improved. As a decisive feature, an online performance measure for blind source separation is introduced which allows a robust and reliable estimation of the instantaneous separation performance based on currently observable data. Experimental results from a simulated environment confirm the efficacy of the concept.

研究动机与目标

• 提升人形机器人在嘈杂多说话人环境中的盲源分离（BSS）性能。
• 实现实时自适应麦克风阵列几何结构，以增强信号提取能力，且无需事先知晓声源位置或阵列配置。
• 开发一种稳健的在线性能度量方法，仅使用可观测数据即可实现对BSS质量的盲评估。
• 证明在真实声学环境类似条件下，麦克风间距的动态调整可提升分离性能。
• 为将自适应阵列几何结构集成到更广泛的机器人听觉系统中奠定基础，尤其针对复杂环境中自动语音识别（ASR）的性能提升。

提出的方法

• 该算法将三传感器线性阵列配置为两个重叠的双传感器子阵列，每个子阵列的麦克风间距均可独立调节。
• 在每次迭代中，对两个子阵列分别应用BSS算法，并使用均方相干性（MSC）作为在线性能度量指标来评估其分离性能。
• MSC在短时长片段上计算，并用于识别分离性能更优的子阵列。
• 基于性能更优子阵列的MSC值，采用基于梯度的自适应规则更新相应麦克风间距，以提升未来性能。
• 该自适应过程每5秒重复一次，系统在每一步选择表现最佳的子阵列以指导几何结构调整。
• 输出信号来自SIR最高的子阵列，确保最优信号提取。

实验结果

研究问题

• RQ1 基于MSC的在线盲性能度量是否能可靠地实时估计BSS算法的瞬时分离质量？
• RQ2 在未知声源位置的情况下，麦克风阵列几何结构的动态自适应是否能提升多说话人环境中的信干比（SIR）？
• RQ3 所提出的自适应算法是否能在时间上带来可测量且持续的BSS性能提升？
• RQ4 BSS算法的性能如何随麦克风间距变化？系统能否自主收敛至最优配置？
• RQ5 自适应阵列几何结构在恶劣声学条件下能在多大程度上增强机器人听觉系统的鲁棒性？

主要发现

• 信号提取算法输出端的平均信干比（SIR_mean,out）随时间持续上升，表明信号分离性能持续提升。
• 自适应过程成功收敛至分离性能更优的配置，表现为输出SIR的持续上升，验证了配置优化的有效性。
• 输出端的平均SIR（SIR_mean,out）始终等于表现更优子阵列的SIR，证实系统正确识别并利用了性能最佳的配置。
• 基于在线MSC的性能度量有效引导了自适应过程，MSC值越低，对应SIR水平越高，验证了其作为盲性能指标的可靠性。
• 该算法在模拟环境中表现出鲁棒性，表明动态阵列几何结构自适应可显著提升多说话人场景下的BSS性能。
• 最终麦克风间距分别从初始值0.15 m和0.20 m调整至0.30 m和0.45 m，表明系统有效探索了更大的孔径以提升波束成形方向性。