[论文解读] PSD estimation in Beamspace for Estimating Direct-to-Reverberant Ratio from A Reverberant Speech Signal

Yusuke Hioka, Kenta Niwa|arXiv (Cornell University)|Oct 30, 2015

Speech and Audio Processing参考文献 10被引用 9

一句话总结

该论文提出了一种基于波束域中功率谱密度（PSD）估计的盲混响直接-混响比（DRR）估计算法，利用两个具有不同波束波束图的延迟相加波束成形器，分离直达声与混响。在ACE挑战赛语料库上的评估表明，与先前方法相比，该方法在不同声学条件和噪声水平下均表现出更低的估计误差方差和更高的准确性，校准进一步降低了偏差。

ABSTRACT

A method for estimation of direct-to-reverberant ratio (DRR) using a microphone array is proposed. The proposed method estimates the power spectral density (PSD) of the direct sound and the reverberation using the algorithm extit{PSD estimation in beamspace} with a microphone array and calculates the DRR of the observed signal. The speech corpus of the ACE (Acoustic Characterisation of Environments) Challenge was utilised for evaluating the practical feasibility of the proposed method. The experimental results revealed that the proposed method was able to effectively estimate the DRR from a recording of a reverberant speech signal which included various environmental noise.

研究动机与目标

• 开发一种无需房间脉冲响应或声源方向先验知识的盲DRR估计算法。
• 通过波束域波束成形实现空间多样性，以提高估计准确性。
• 在完全盲条件下评估该方法，包括未知声源方向和环境噪声，使用ACE挑战赛数据集。
• 减少由于本方法与ACE语料库中DRR定义差异而引起的估计偏差。
• 评估该方法在多样化声学环境和噪声水平下的鲁棒性。

提出的方法

• 该方法使用两个具有相同波束图形状但不同导向方向的延迟相加波束成形器：一个与估计的声源方向对齐，另一个在方位角上偏移60度。
• 基于直达声在空间上相干而混响为扩散场的假设，利用波束成形器输出估计波束域中直达声与混响的功率谱密度（PSD）。
• DRR通过计算各频率子带中直达声估计PSD与混响估计PSD的比值得到。
• 通过语音活动检测（VAD）阶段选择语音活动帧，其信号能量阈值基于静止噪声估计获得。
• 使用导向波束成形器结合延迟相加波束成形进行波达方向（DOA）估计，以提供所需的声源方向输入。
• 利用开发集（Dev dataset）进行恒定偏差校准，以修正本方法与ACE语料库之间DRR定义的差异，特别是早期反射的分类问题。

实验结果

研究问题

• RQ1 基于波束域的PSD估计算法是否能在完全盲场景下实现比相干性方法更精确的DRR估计？
• RQ2 在ACE挑战赛数据集中，该方法在多样化声学环境和噪声水平下的表现如何？
• RQ3 该方法的准确性在多大程度上依赖于预估DOA的准确性？
• RQ4 是否能通过少量校准数据集有效补偿DRR估计中的偏差？
• RQ5 使用具有相同波束图但不同导向方向的两个波束成形器，是否能有效提升直达与混响分量的分离效果？

主要发现

• 与作者先前提出的基于相干性的PSD方法相比，该方法在估计误差方差上更低，表明其具有更高的鲁棒性。
• 在ACE挑战赛评估数据集的所有测试噪声水平和房间类型中，该方法均表现出更高的估计准确性。
• 偏差校准显著减少了系统性误差，特别是由于ACE语料库与本模型在早期反射分类方式上的差异所致。
• 在DOA估计性能较差的环境中观察到性能下降，凸显了该方法对声源方向准确性的敏感性。
• 在均值误差和误差分布展宽方面，该方法优于先前方法，尤其在具有挑战性的声学条件下表现更优。
• 结果表明，未来DRR估计算法应减少对精确DOA估计的依赖，以提升实际应用中的鲁棒性。