[论文解读] Phase Unmixing : Multichannel Source Separation with Magnitude Constraints

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

Speech and Audio Processing参考文献 28被引用 4

一句话总结

本文提出了一种新颖的多通道源分离方法——相位解混（phase unmixing），其中源信号的幅度和混合矩阵已知，目标是估计未知的源信号相位。该文提出了三种方法，其中凸半定松弛方法（PhUnLift）在欠定设置下显著优于基准多通道维纳滤波器（oracle multichannel Wiener filter），实现了近乎精确的重建，并对噪声具有稳定性。

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.

研究动机与目标

• 解决仅已知源信号幅度和混合矩阵而未知相位时的多通道源分离挑战。
• 处理在二次幅度约束下相位估计的非凸、NP难问题。
• 开发实用且理论基础扎实的方法，以提升知情设置下源分离的性能。
• 将所提方法与基准多通道维纳滤波器进行对比，特别是在欠定配置下的表现。
• 展示在真实、含噪声且欠定的场景中，通过凸松弛实现精确源信号分离的潜力。

提出的方法

• 将相位解混问题建模为非凸的二次约束二次规划（QCQP），在固定幅度约束下最小化残差误差。
• 提出一种基于梯度式步长的迭代相位更新启发式方法。
• 引入一种交替优化方法（PhUnAlt），在优化相位和强制约束之间交替进行。
• 通过提升技术开发一种凸松弛方法，将非凸QCQP转化为半定规划（SDP），称为PhUnLift。
• 通过增加一个精炼步骤（PhUnLift+）进一步提升解的质量。
• 采用提升技术将相位估计问题嵌入更高维的半正定矩阵中，从而实现凸优化。

实验结果

研究问题

• RQ1 在欠定设置下，已知幅度和混合矩阵的相位解混方法是否能优于基准多通道维纳滤波器？
• RQ2 与启发式方法和交替方法相比，凸松弛方法（SDP）在求解NP难的相位解混问题时效果如何？
• RQ3 在欠定配置下，噪声对不同相位估计策略性能的影响如何？
• RQ4 当传感器数量少于源信号数量时，所提方法能否实现近乎精确或精确的源信号分离？
• RQ5 局部极小值的数量如何影响如PhUnAlt等迭代方法的收敛性？多组初始化能否缓解此问题？

主要发现

• PhUnLift凸松弛方法在欠定设置下优于基准多通道维纳滤波器，实现了显著更低的重建误差。
• 当传感器数M ≥ K时，PhUnLift在100%的测试欠定情形下实现了近乎精确的重建（相对误差 < 10⁻⁸），尤其在M > K时表现更优。
• 在M=4、K=6的模拟实验中，PhUnLift+实现了44.8 dB的平均SDR，优于所有其他方法，包括NMWF+（31.6 dB）。
• PhUnLift对噪声表现出稳定性，当M ≥ K时，误差与噪声功率成正比，与理论预测一致。
• 启发式方法PhUnAlt受局部极小值影响，欠定情形下的精确恢复概率仅为约80%，而PhUnLift+在有利配置下达到100%。
• 非迭代的MWF和NMWF方法速度更快，但在欠定场景下性能劣于迭代方法和凸方法。