Time-domain beamforming and blind source separation : speech input in the car environment

著者

• Bourgeois, Julien
• Minker, Wolfgang

書誌事項

Time-domain beamforming and blind source separation : speech input in the car environment

Julien Bourgeois, Wolfgang Minker

（Lecture notes in electrical engineering, v. 3）

Springer, c2009

注記

Includes bibliographical references (p. [215]-221) and index

内容説明・目次

内容説明

This book addresses the problem of separating spontaneous multi-party speech by way of microphone arrays (beamformers) and adaptive signal processing techniques. It is written is a concise manner and an effort has been made such that all presented algorithms can be straightforwardly implemented by the reader. All experimental results have been obtained with real in-car microphone recordings involving simultaneous speech of the driver and the co-driver.

目次

1 Introduction 1 1.1 Existing approaches: a brief overview. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.2 Scope and objective of the thesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.3 Outline of the thesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 2 Non-adaptive stationary beamforming 5 2.1 Problemand notations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 2.2 The space-frequency response for omni-directional microphones . . . . . . . . . . . . . . . 6 2.3 Minimum VarianceDistortionless Response (MVDR) . . . . . . . . . . . . . . . . . . . . . 8 2.4 Data-independent beamformers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 2.4.1 The delay-and-sumbeamformer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 2.4.2 TheMVDR null beamformer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 2.5 Statistically optimumMVDR beamformer . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 2.6 FromMVDR to Generalized Sidelobe Canceller (GSC) . . . . . . . . . . . . . . . . . . . . 12 2.7 The target signal cancellation problem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 2.7.1 The power-inversion effect . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 2.7.2 Robust versions of the GSC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 2.8 Use of directionalmicrophones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 2.8.1 Directionalmicrophones with the same orientation . . . . . . . . . . . . . . . . . . 16 2.8.2 Directionalmicrophones oriented to the sources . . . . . . . . . . . . . . . . . . . . 16 2.9 Experiments under stationary acoustic conditions . . . . . . . . . . . . . . . . . . . . . . . 18< 2.9.1 Experiments with the mirror array . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 2.9.2 Experiments with the cocooning array . . . . . . . . . . . . . . . . . . . . . . . . . 22 2.10 Summary and conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 3 Implicit adaptation control for beamforming 27 3.1 Adaptive interference canceller . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 3.2 Implicit adaptation control with a pseudo-optimal step-size . . . . . . . . . . . . . . . . . 29 3.3 ILMS transient behavior and stability . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 3.3.1 Transient convergence and divergence . . . . . . . . . . . . . . . . . . . . . . . . . 31 3.3.2 About the stability . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34 3.4 Robustness improvement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34 3.5 Experiments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 3.5.1 Experiments with the mirror array . . . . . . . . . . . . . . . . . . . . . . . . . . . 36 3.5.2 Experiment with the cocooning array . . . . . . . . . . . . . . . . . . . . . . . . . 38 3.6 Summary and conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40 4 Second-Order Blind Source Separation 43 4.1 Problemand notations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44 4.1.1 Froma scalar to a convolutivemixture model . . . . . . . . . . . . . . . . . . . . . 44 4.1.2 Separation constraints and degrees of freedom. . . . . . . . . . . . . . . . . . . . . 46 4.2 Nonstationarity and source separation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 4.2.1 The insufficiency of decorrelation . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 i 4.2.2 Nonstationarity-based separation cost function. . . . . . . . . . . . . . . . . . . . . 47 4.3 Gradient-basedminimization . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49 4.3.1 Standard gradient . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49 4.3.2 Natural gradient . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50 4.4 Natural gradient algorithmfor non-square systems . . . . . . . . . . . . . . . . . . . . . . 50 4.5 Summary and conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52 5 Implementation Issues in Blind Source Separation 53 5.1 Convolutive Natural Gradient . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53 5.1.1 Gradient in the Sylvestermanifold . . . . . . . . . . . . . . . . . . . . . . . . . . . 53 5.1.2 From matrices to z-transforms . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 5.1.3 Self-closed and non-self-closed natural gradients . . . . . . . . . . . . . . . . . . . . 56 5.1.4 From z-transforms back to the time domain . . . . . . . . . . . . . . . . . . . . . . 57 5.1.5 Application to second-order BSS. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59 5.1.6 Discussion: Which natural gradient is best? . . . . . . . . . . . . . . . . . . . . . . 60 5.2 Online adaptation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62 5.2.1 Blockwise batch BSS algorithm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62 5.2.2 Sample-wise BSS algorithm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63 5.3 Experimental results . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63 5.3.1 Experiments with the mirror array . . . . . . . . . . . . . . . . . . . . . . . . . . . 64 5.3.2 Experiments with the cocooning array . . . . . . . . . . . . . . . . . . . . . . . . . 66 5.3.3 Comparison with other BSS algorithms in the frequency domain . . . . . . . . . . 66 5.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69 6 Blind Source Separation: Convergence and Stability 71 6.1 Global convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71 6.1.1 Difficulty of a global convergence analysis . . . . . . . . . . . . . . . . . . . . . . . 72 6.1.2 Convergence analysis for a simplified algorithm . . . . . . . . . . . . . . . . . . . . 73 6.2 Local stability . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74 6.3 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76 7 Comparison of Beamforming and Blind Source Separation 77 7.1 System identification vs. interference cancellation . . . . . . . . . . . . . . . . . . . . . . . 77 7.2 Properties of the cost function . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80 7.2.1 Convergence of the gradient descent . . . . . . . . . . . . . . . . . . . . . . . . . . 80 7.2.2 Statistical efficiency . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80 7.3 Complexity . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83 7.3.1 NLMS complexity . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83 7.3.2 BSS complexity . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84 7.3.3 NLMS vs. BSS complexity . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85 7.3.4 Online BSS algorithm in the special case N =2 . . . . . . . . . . . . . . . . . . . . 86 7.4 Experimental comparison . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87 7.5 Summary and conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89 8 Combining Blind Source Separation and Beamforming 91 8.1 Existing combinations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91 8.2 BSS and geometric prior information . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92 8.2.1 Causality information . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92 8.2.2 Prior information on the source direction of arrival . . . . . . . . . . . . . . . . . . 93 8.2.3 Geometric information at the initialization . . . . . . . . . . . . . . . . . . . . . . 95 8.2.4 Geometric information as a soft constraint . . . . . . . . . . . . . . . . . . . . . . . 96 8.2.5 Geometric information as a preprocessing . . . . . . . . . . . . . . . . . . . . . . . 99 8.3 Combining BSS and the power criterion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101 8.4 Combining BSS with geometric prior information and the power criterion . . . . . . . . . 102 ii 8.5 Experimental results on automatic speech recognition . . . . . . . . . . . . . . . . . . . . 104 8.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105 A Experimental setups 109 A.1 Mirror array . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109 A.2 Cocooning array . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109 A.3 Acoustic characteristics of the car cabin. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111 B The RGSC according to Hoshuyama et al. 113 B.1 RGSC for the mirror array . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113 B.2 RGSC for the cocooning array. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114 B.3 Experimental comparison: GSC vs. RGSC. . . . . . . . . . . . . . . . . . . . . . . . . . . 115 B.3.1 Mirror array . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115 B.3.2 Cocooning array. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115 B.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115 C Stability Analysis 119 C.1 Mixing and separationmodels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119 C.2 Linearization of the BSS updates . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120 C.3 Local stability conditions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122 Bibliography 125 iii

「Nielsen BookData」 より

詳細情報

• NII書誌ID(NCID): BA9007275X
• ISBN:
  • 9780387688350
• LCCN: 2007932057
• 出版国コード: ne
• タイトル言語コード: eng
• 本文言語コード: eng
• 出版地: Dordrecht
• ページ数/冊数: xii, 225 p.
• 大きさ: 25 cm
• 分類:
  • DC22 : 621.3845
• 件名:
  • LCSH : Blind source separation
  • LCSH : Speech processing systems
  • LCSH : Mobile communication systems
• 親書誌ID:
  • BA82662099