[논문]마이크로폰 어레이 신호의 잡음 제거를 위한 강인한 다채널 위너 필터

정준영; 김기백

doi:10.5909/jbe.2018.23.4.519

마이크로폰 어레이 신호의 잡음 제거를 위한 강인한 다채널 위너 필터
Robust Multi-channel Wiener Filter for Suppressing Noise in Microphone Array Signal 원문보기

방송공학회논문지 = Journal of broadcast engineering, v.23 no.4, 2018년, pp.519 - 525

초록
AI-Helper

본 논문에서는 다채널 위너 필터를 이용하여 마이크로폰 어레이에서 취득된 신호의 잡음을 제거하는 방법을 다룬다. 다채널 위너 필터는 음성 신호의 방향에 대한 정보를 필요로 하지 않는 필터로서 단일 음성 음원의 경우, 음성 왜곡을 발생시키지 않는 MVDR (Minimum Variance Distortionless Response) 공간 필터와 단일 채널 스펙트럼 필터로 분리될 수 있다. MVDR의 방향벡터에 해당하는 단일 음성 음원과 마이크로폰 어레이 간의 음향 전달 함수는 다채널 위너 필터의 부공간 분해 (subspace decomposition)를 이용하여 추정할 수 있다. 이 때 상관 행렬 추정 과정에서 발생하는 오차로 인해 추정되는 음향 전달 함수에도 오차가 발생하게 되며 이에 따라 다채널 위너 필터를 구성하는 MVDR은 음성 왜곡을 발생시키게 된다. 이러한 음성 왜곡을 완화시키기 위해 diagonal loading을 적용하고 실험을 통해 그 효과를 검증한다. 실험에서는 7개의 선형 마이크로폰으로 수집된 데이터를 이용하였으며 잡음을 섞기 전 신호와 잡음을 섞은 후 필터를 통과시킨 신호 간의 MFCC 오차를 측정한다. 실험 결과, diagonal loading을 통해 MFCC 오차를 줄일 수 있음을 확인하였다.

Abstract ▼ AI-Helper

This paper deals with noise suppression of multi-channel data captured by microphone array using multi-channel Wiener filter. Multi-channel Wiener filter does not rely on information about the direction of the target speech and can be partitioned into an MVDR (Minimum Variance Distortionless Response) spatial filter and a single channel spectral filter. The acoustic transfer function between the single speech source and microphones can be estimated by subspace decomposition of multi-channel Wiener filter. The errors are incurred in the estimation of the acoustic transfer function due to the errors in the estimation of correlation matrices, which in turn results in speech distortion in the MVDR filter. To alleviate the speech distortion in the MVDR filter, diagonal loading is applied. In the experiments, database with seven microphones was used and MFCC distance was measured to demonstrate the effectiveness of the diagonal loading.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 MWF를 MVDR과 스펙트럴 필터로 분해하여 구현한다. 또한 고유값 분해를 통해 MWF를 부공간에서 구현하여 음향 전달 함수를 추정하고, 추정된 음향 전달함수를 이용하여 분리된 MVDR을 구현한다.

가설 설정

식(5)와 식(6)을 식(4)에 대입하면 다음 결과를 얻게 된다. 이 때, 다채널 음향 전달 함수 h의 첫 번째 원소는 1로 가정하였다.

제안 방법

MVDR이 음향 전달 함수 오차에 강인한 특성을 갖도록 diagonal loading을 적용한다. Diagonal loading 적용에 따른 MWF의 성능을 평가하기 위해 7개의 마이크로 구성된 마이크로폰 어레이 데이터를 이용하여 MFCC(Mel-Frequency Cepstral Coefficient) 오차를 측정한다.
간섭 신호를 섞지 않은 마이크로폰 어레이의 첫 번째 마이크 신호와 간섭 신호가 섞여진 어레이 신호를 필터에 통과시켜 얻은 신호 간의 MFCC 거리를 측정하여 필터의 성능을 평가하였다. MFCC는 음성 신호처리에서 가장 널리 사용되는 대표적인 특징으로서 두 신호 간의 거리 평가를 통해 두 신호의 차이를 음성 신호 측면에서 평가할 수 있다.
본 논문에서는 MWF를 MVDR과 스펙트럴 필터로 분해하여 구현한다. 또한 고유값 분해를 통해 MWF를 부공간에서 구현하여 음향 전달 함수를 추정하고, 추정된 음향 전달함수를 이용하여 분리된 MVDR을 구현한다. MVDR이 음향 전달 함수 오차에 강인한 특성을 갖도록 diagonal loading을 적용한다.
이를 완화하기 위해 대표적인 diagonal loading 방법을 사용하였다. 마이크로폰 어레이임펄스 응답을 이용하여 다채널 음성 신호를 생성하고 백색 잡음 및 음성 간섭 잡음 환경에 대해 MFCC오차를 실험하였다. 실험 결과 diagonal loading을 적용하여 MWF의 잡음 제거 성능을 향상시킬 수 있음을 확인하였다.
이것을 diago- nal loading이라 부른다. 본 논문에서는 diagonal loading을 적용하여 방향 벡터 추정 오차에 따른 음성 왜곡을 줄이도록 유도된 필터를 사용한다. 필터 계수의 Diagonal loading은 고유값 분해에서 고유값이 너무 작아서 발생하는 nu- merical 문제에 대한 해결책으로 사용되기도 한다.
본 논문에서는 마이크로폰 어레이로 수집된 잡음 환경 음성의 잡음을 제거하기 위해 다채널 위너 필터 (MWF)를 적용하였다. MWF는 공간 필터인 MVDR과 스펙트럴 필터인 단일 채널 위너 필터로 분리될 수 있는데, 각 필터들은 MWF의 부공간 분해를 통해 구현될 수 있다.
본 장에서는 마이크로폰 어레이를 이용하여 잡음을 제거하는 방법으로서, 최소 평균 자승 오차 (Minimum Mean Squared Error: MMSE) 추정에 근거한 다채널 위너 필터(MWF)와 MWF의 MVDR, 스펙트럴 필터 분리에 대하여 설명한다.
실험을 위한 다채널 데이터 생성을 위해 RWCP Sound Scene Database^[14]에 포함된 임펄스 응답을 사용하였다. 다채널 임펄스 응답과 음원을 컨벌루션하여 멀티 채널 데이터를 생성하였다.
필터의 성능 검증을 위해 백색 잡음과 음성 간섭 잡음을 사용하였다. 음성 간섭 잡음으로는 16초간 뉴스 기사를 읽는 음성을 사용하였다. 목적 음성은 TIDIGITS 데이터베이스에 포함된 연결 숫자음 발성을 사용하였다^[13].
일반화된 고유값 분해 (Generalized EigenValue Decomposition: GEVD)[11]를 적용하여 다음과 같이 상관 행렬 Ry과 Rn을 동시에 대각행렬(Λy,Λn)로 변환한다.
입력 데이터는 32ms(=512샘플)가 하나의 프레임을 이루도록 하였고, 프레임 간 오버랩은 50%가 되도록 하면서 프레임을 이동하였다. 각 프레임 데이터는 Hanning 윈도우가 적용된 후 FFT(Fast Fourier Transform)을 수행하였다.
필터의 성능 검증을 위해 백색 잡음과 음성 간섭 잡음을 사용하였다. 음성 간섭 잡음으로는 16초간 뉴스 기사를 읽는 음성을 사용하였다.

대상 데이터

목적 음성은 TIDIGITS 데이터베이스에 포함된 연결 숫자음 발성을 사용하였다^[13]. TIDIGITS 데이터베이스는 20kHz의 샘플링 주파수를 갖는 데이터인데 16kHz로 다운샘플링하였다.
에 포함된 임펄스 응답을 사용하였다. 다채널 임펄스 응답과 음원을 컨벌루션하여 멀티 채널 데이터를 생성하였다. 임펄스 응답의 반향 시간 (reverberation time)은 300ms이다.

이론/모형

입력 데이터는 32ms(=512샘플)가 하나의 프레임을 이루도록 하였고, 프레임 간 오버랩은 50%가 되도록 하면서 프레임을 이동하였다. 각 프레임 데이터는 Hanning 윈도우가 적용된 후 FFT(Fast Fourier Transform)을 수행하였다.
음성 간섭 잡음으로는 16초간 뉴스 기사를 읽는 음성을 사용하였다. 목적 음성은 TIDIGITS 데이터베이스에 포함된 연결 숫자음 발성을 사용하였다^[13]. TIDIGITS 데이터베이스는 20kHz의 샘플링 주파수를 갖는 데이터인데 16kHz로 다운샘플링하였다.
부공간 분해과정에서 추정되는 음향 전달 함수는 MVDR에서 사용될수 있는데, 음향 전달 함수의 추정 오차로 인해 MVDR에 음성 왜곡이 발생하게 된다. 이를 완화하기 위해 대표적인 diagonal loading 방법을 사용하였다. 마이크로폰 어레이임펄스 응답을 이용하여 다채널 음성 신호를 생성하고 백색 잡음 및 음성 간섭 잡음 환경에 대해 MFCC오차를 실험하였다.

성능/효과

마이크로폰 어레이임펄스 응답을 이용하여 다채널 음성 신호를 생성하고 백색 잡음 및 음성 간섭 잡음 환경에 대해 MFCC오차를 실험하였다. 실험 결과 diagonal loading을 적용하여 MWF의 잡음 제거 성능을 향상시킬 수 있음을 확인하였다.

질의응답

핵심어	질문	논문에서 추출한 답변
	다채널 위너 필터는 어떻게 분류할 수 있는가?	본 논문에서는 다채널 위너 필터를 이용하여 마이크로폰 어레이에서 취득된 신호의 잡음을 제거하는 방법을 다룬다. 다채널 위너 필터는 음성 신호의 방향에 대한 정보를 필요로 하지 않는 필터로서 단일 음성 음원의 경우, 음성 왜곡을 발생시키지 않는 MVDR (Minimum Variance Distortionless Response) 공간 필터와 단일 채널 스펙트럼 필터로 분리될 수 있다. MVDR의 방향벡터에 해당하는 단일 음성 음원과 마이크로폰 어레이 간의 음향 전달 함수는 다채널 위너 필터의 부공간 분해 (subspace decomposition)를 이용하여 추정할 수 있다.
	다채널 위너 필터란?	본 논문에서는 다채널 위너 필터를 이용하여 마이크로폰 어레이에서 취득된 신호의 잡음을 제거하는 방법을 다룬다. 다채널 위너 필터는 음성 신호의 방향에 대한 정보를 필요로 하지 않는 필터로서 단일 음성 음원의 경우, 음성 왜곡을 발생시키지 않는 MVDR (Minimum Variance Distortionless Response) 공간 필터와 단일 채널 스펙트럼 필터로 분리될 수 있다. MVDR의 방향벡터에 해당하는 단일 음성 음원과 마이크로폰 어레이 간의 음향 전달 함수는 다채널 위너 필터의 부공간 분해 (subspace decomposition)를 이용하여 추정할 수 있다.
	다채널 위너 필터링과 다른 빔포밍 알고리즘들의 차이점은?	MWF는 다른 빔포밍 알고리즘들과는 달리 신호의 방향 정보를 사용하지 않고 음성 성분과 잡음 성분의 상관 행렬(correlation matrix)을 추정하고 이로부터 필터를 추정하므로 방향 검지를 필요로 하지 않는다. 잡음이 심한 환경에서는 신호의 방향을 추정하기가 어렵고, 반향 (reverberation)이 심한 환경에서는 방향 벡터만으로는 신호의 채널 특성을 나타내기가 어렵다.

참고문헌 (16)

M. Brandstein and D. Ward (Eds.), Microphone Arrays, SpringerVerlag, 2001. https://doi.org/10.1007/978-3-662-04619-7
S. Doclo and M. Moonen, "GSVD-based optimal filtering for multi-microphone speech enhancement," IEEE Transactions on Signal Processing, vol. 50, no. 9, pp. 2230-2244, Sep. 2002. https://doi.org/10.1007/978-3-662-04619-7_6
A. Spriet, M. Moonen, and J. Wouters, "Robustness Analysis of Multichannel Wiener Filtering and Generalized Sidelobe Cancellation for Multimicrophone Noise Reduction in Hearing Aid Applications," IEEE Transactions Speech Audio Processing, vol. 13, no. 4, July 2005, pp. 487-503. https://doi.org/10.1109/tsa.2005.845821

상세보기
S. Doclo and M. Moonen, "Combined Frequency-Domain Dereverberation and Noise Reduction Technique for Multi-microphone Speech Enhancement," Int. Workshop Acoustic Echo Noise Control, Darmstadt, Germany, Sept. 2001, pp. 31-34.
W. Herbordt, Sound Capture for Human/Machine Interfaces, SpringerVerlag, 2005.
M. Souden, J. Benesty, and S. Affes, "On optimal frequency-domain multichannel linear filtering for noise reduction," IEEE Transactions on Audio, Speech, and Language Processing, vol. 18, no. 2, pp. 260-276, 2010 https://doi.org/10.1109/tasl.2009.2025790

상세보기
Gibak Kim, "SNR-based weight control for the spatially preprocessed speech distortion weighted multi-channel Wiener filtering," Journal of Broadcast Engineering, Vol. 18, No.3, pp.455-462, March, 2013. https://doi.org/10.5909/jbe.2013.18.3.455

원문보기 상세보기
R. Serizel, M. Moonen, B. Van Dijk, and J. Wouters, "Low-rank approximation based multichannel Wiener filter algorithms for noise reduction with application in cochlear implants," IEEE/ACM transactions on Audio, Speech, and Language Processing, vol. 22, no. 4, pp. 785-799, 2014. https://doi.org/10.1109/taslp.2014.2304240

상세보기
Z. Wang, "Rank-1 constrained Multichannel Wiener Filter for speech recognition in noisy environments," Computer Speech & Language, vol. 49, pp. 37-51, 2018. https://doi.org/10.1016/j.csl.2017.11.003

상세보기
D. Tylavsky and G. Sohie, "Generalization of the matrix inversion lemma," Proceedings of the IEEE, vol. 74, no. 7, pp. 1050-1052, 1986. https://doi.org/10.1109/proc.1986.13587

상세보기
G. Golub and C. Van Loan, Matrix Computations, Johns Hopkins University Press, 3rd edition, 1996. https://doi.org/10.2307/3619868
H. Van Trees, Detection, Estimation and Modulation Theory, Part IV: Optimum Array Processing, New York: Wiley, 2002. https://doi.org/10.1002/0471221104
R. Leonard, "A database for speaker-independent digit recognition," Proceedings of ICASSP, pp. 111-114, 1984. https://doi.org/10.1109/icassp.1984.1172716
"RWCP Sound Scene Database in Real Acoustical Environments," Real World Computing Partnership, (C)1998-2001
L. Du, J. Li, and P. Stoica, "Fully automatic computation of diagonal loading levels for robust adaptive beamforming," IEEE Transactions on Aerospace and Electronic Systems, vol. 46, no. 1, pp. 449-458, 2010. https://doi.org/10.1109/icassp.2008.4518112

상세보기
Y. Xiao, J. Yin, H. Qi, H. Yin, and G. Hua, "MVDR algorithm based on estimated diagonal loading for beamforming," Hindawi Mathematical Problems in Engineering, pp. 1-7, 2017. https://doi.org/10.1155/2017/7904356

상세보기

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증