[论文解读] Single-Channel Maximum-Likelihood T60 Estimation Exploiting Subband Information

Heinrich W. Loellmann, Andreas Brendel+2 more|arXiv (Cornell University)|Nov 12, 2015

Speech and Audio Processing被引用 10

一句话总结

本文提出了一种单通道最大似然T60估计算法，通过利用子带信息提升混响时间估计的准确性。通过使用DCT或1/3倍频程滤波器组对上层子带估计值进行能量加权平均，并基于上层子带建模下层子带的混响时间，该方法在保持与全带估计算法相当的准确性的同时，显著降低了估计方差，且在基于模型的方法中相比直接子带估计具有更低的计算成本。

ABSTRACT

This contribution presents four algorithms developed by the authors for single-channel fullband and subband T60 estimation within the ACE challenge. The blind estimation of the fullband reverberation time (RT) by maximum-likelihood (ML) estimation based on [15] is considered as baseline approach. An improvement of this algorithm is devised where an energy-weighted averaging of the upper subband RT estimates is performed using either a DCT or 1/3-octave filter-bank. The evaluation results show that this approach leads to a lower variance for the estimation error in comparison to the baseline approach at the price of an increased computational complexity. Moreover, a new algorithm to estimate the subband RT is devised, where the RT estimates for the lower octave subbands are extrapolated from the RT estimates of the upper subbands by means of a simple model for the frequency-dependency of the subband RT. The evaluation results of the ACE challenge reveal that this approach allows to estimate the subband RT with an estimation error which is in a similar range as for the presented fullband RT estimators.

研究动机与目标

• 通过利用子带信息，提升盲单通道混响时间（T60）估计的性能。
• 在噪声和混响条件下保持鲁棒性的同时，降低T60估计的方差。
• 开发一种计算高效的子带T60估计算法，避免对每个子带进行直接估计。
• 在ACE挑战赛框架下，使用真实世界中的噪声和混响语音数据，对所提算法进行验证。
• 研究子带T60估计中估计准确性、方差与计算复杂度之间的权衡。

提出的方法

• 采用基线最大似然（ML）估计算法进行全带T60估计，其基于晚期混响作为指数衰减噪声的统计模型推导得出。
• 使用相同的ML框架独立计算每个子带的T60估计值，随后通过DCT或1/3倍频程滤波器组进行能量加权平均，以降低方差。
• 提出一种新颖的基于模型的方法，利用频率相关的衰减模型，从上层子带估计值外推下层子带的T60估计值。
• 该方法假设混响衰减遵循指数包络，T60通过衰减率ρ计算得出：T60 = 6.908 / ρ。
• 所提算法在ACE挑战赛的Dev和Eval数据库上进行评估，使用真实T60值和信噪比（SNR）进行调优与验证。
• 性能通过在多种噪声类型和SNR水平下相对于真实值的相对估计误差进行评估。

实验结果

研究问题

• RQ1 与全带ML估计相比，基于子带的T60估计是否能降低估计方差？
• RQ2 与直接子带估计相比，建模子带T60的频率依赖性是否能提升估计准确性？
• RQ3 子带平均的计算复杂度与直接子带估计相比如何？
• RQ4 能否通过从上层子带外推下层子带T60估计，实现与全带估计算法相当的性能？
• RQ5 不同噪声类型和SNR水平如何影响所提子带T60估计算法的鲁棒性？

主要发现

• 基于DCT的子带T60估计值平均方法在低信噪比（SNR）条件下，相比基线全带估计算法，实现了更低的估计误差方差。
• 基于模型的子带T60估计算法的估计误差与全带估计算法处于同一量级，且相比直接子带估计，计算复杂度显著降低。
• 在Dev数据库中，基于模型的方法的均方误差为0.071，而直接子带方法为0.1218，表明其具有更高的准确性。
• 在估计误差方面，基于DCT的平均方法优于1/3倍频程子带平均方法，尤其在低SNR条件下表现更优。
• 估计误差的主要来源被识别为假设的指数衰减模型与真实世界房间脉冲响应（RIR）之间的不匹配，尤其是在高动态范围比（DRR）条件下。
• 在ACE挑战赛的4500个Eval文件上的评估结果表明，基于模型的子带估计算法在多种噪声类型和SNR水平下均表现出良好的鲁棒性。