6.3.1 BGNEstimator

6.3.1.1 ノードの概要

マルチチャネル信号のパワースペクトルから，信号に含まれる 定常ノイズ (例えば，ファンノイズや背景ノイズ，BackGround Noise) を推定する． 推定した定常ノイズは，PostFilter ノードで使用される．

6.3.1.2 必要なファイル

無し．

6.3.1.3 使用方法

どんなときに使うのか

信号に含まれるフ定常ノイズ (ファンノイズや背景ノイズ，BackGround Noise) を 推定する．この推定値が必要になるノードは，PostFilter である． PostFilter ノードでは，この背景ノイズと，PostFilter 内で推定されるチャネル間リークをもとに，分離処理でとりきれないノイズを抑制する．

典型的な接続例

BGNEstimator ノードの接続例を図 6.37 に示す． 入力には，音声波形を周波数領域に変換し求めたパワースペクトルを入力する． 出力は，PostFilter ノードで利用される．

6.3.1.4 ノードの入出力とプロパティ

入力

INPUT_POWER

: Matrix<float> 型． マルチチャネルパワースペクトル

出力

NOISE_POWER

: Matrix<float> 型． 推定された定常ノイズのパワースペクトル．

パラメータ

DELTA

: float 型． 3.0 がデフォルト値． パワースペクトルの周波数ビンに 音声などの目的音が含まれているかどうかの閾値． 大きい値にすると，より多くのパワーを定常ノイズとみなす．

L

: int 型． 150 がデフォルト値． 目的音が含まれるかの判断基準となる， 過去最もパワーの小さいスペクトル (定常ノイズ成分) を保持する時間． AudioStreamFromWave ノードなどで指定される ADVANCE パラメータ分の シフトが行われる回数として指定する．

ALPHA_S

: float 型． 0.7 がデフォルト値． 入力信号を時間方向に平滑化する 際の係数． 値が大きいほど，過去のフレームの値の重みを大きく平滑化する．

NOISE_COMPENS

: float 型． 1.0 がデフォルト値． 目的音が含まれないと 判断されたフレームを，定常ノイズとして重みづけして加算する (定常ノイズの平滑化) ときの重み．

ALPHA_D_MIN

: float 型． 0.05 がデフォルト値． 定常ノイズの平滑化処理で， 目的音が含まれたと判断されたフレームのパワースペクトルを加える際の最小重み．

NUM_INIT_FRAME

: int 型． 100 がデフォルト値． 処理を開始した際， このフレーム数だけ目的音の有無判定を行わず，全て定常ノイズとみなす．

6.3.1.5 ノードの詳細

以下では，定常ノイズを導出する過程を示す． 時間，周波数，チャネルインデックスは 表6.1 に準拠する．

導出のフローは，図6.38 の通り．

1． 時間方向，周波数方向平滑化: 時間方向の平滑化は，入力パワースペクトル ${\boldsymbol S}(f,k_ i)$ と， 前フレームの定常ノイズパワースペクトル ${\boldsymbol \lambda }(f-1,k_ i)$ の内分により行う．

$\displaystyle S_{m}^{smo,t}(f,k_ i) $

$\displaystyle = $

$\displaystyle \alpha _{s} \lambda _ m(f-1,k_ i) + (1-\alpha _{s}) S_ m(f,k_ i) $

(19)

周波数方向の平滑化は，時間平滑化された $S_{m}^{smo,t}(f,k_ i)$ に対して行う．

$\displaystyle S_{m}^{smo}(f,k_ i) $

$\displaystyle = $

$\displaystyle 0.25 S_{m}^{smo}(f,k_{i-1}) + 0.5 S_{m}^{smo}(f,k_ i) + 0.25 S_{m}^{smo}(f,k_{i+1}) $

(20)

2． 最小エネルギーーの更新: 目的音の有無を判定するため，処理を開始してからの 各チャネル，周波数ビンについての最小のエネルギーー${\boldsymbol S}^{min}$を計算する． ${\boldsymbol S}^{min}$ は，各チャネル，周波数ビンごとの，処理を開始してからの最小エネルギーーで， ${\boldsymbol S}^{tmp}$ は，$L$ フレームごとに更新される暫定最小エネルギーーである．

	$\displaystyle S^{tmp}_ m(f,k_ i) $	$\displaystyle = $	$\displaystyle \left\{ \begin{array}{cr} S^{smo}_ m(f,k_ i), & \mathrm{if}\ \ f = nL\\ \min \{ S^{tmp}_ m(f-1,k_ i), S^{smo}_ m(f,k_ i)\} , & \mathrm{if}\ \ f \ne nL \end{array} \right. $		(21)
	$\displaystyle S^{min}_ m(f,k_ i) $	$\displaystyle = $	$\displaystyle \left\{ \begin{array}{cr} \min \{ S^{tmp}_ m(f-1,k_ i), S^{smo}_ m(f,k_ i)\} , & {if~ ~ } f = nL\\ \min \{ S^{min}_ m(f-1,k_ i), S^{smo}_ m(f,k_ i)\} , & {if~ ~ } f \ne nL \end{array} \right. $		(22)

ただし，$n$ は任意の整数である．

3． 定常ノイズ推定:

1. 目的音有無の判定
   以下にいずれかが成り立つ場合，該当する時間，周波数に目的音のパワーは存在せず，ノイズのみがあるとみなされる．

   	$\displaystyle S^{smo}_ m(f,k_ i) $	$\displaystyle < $	$\displaystyle \delta S^{min}_ m(f,k_ i) {または} $		(23)
   	$\displaystyle f $	$\displaystyle < $	$\displaystyle N {または} $		(24)
   	$\displaystyle S_{m}^{smo}(f,k_ i) $	$\displaystyle < $	$\displaystyle \lambda _ m(f-1,k_ i) $		(25)

2. 平滑化係数の算出
   定常ノイズのパワーを計算する際に用いられる平滑化係数$\alpha _{d}$は，

   $\displaystyle \alpha _{d} $

   $\displaystyle = $

   $\displaystyle \left\{ \begin{array}{cr} \frac{1}{f+1}, & {if~ ~ }(\frac{1}{f+1} \geq \alpha _{d}^{min}) \\ \alpha _{d}^{min}, & {if~ ~ }(\frac{1}{t+1} < \alpha _{d}^{min}) \\ 0 & ({目的音が含まれるとき}) \end{array} \right. $

   (26)

   として計算する． 定常ノイズは以下の式によって求める．

   $\displaystyle \lambda _ m(f,k_ i) $

   $\displaystyle = $

   $\displaystyle (1-\alpha _{d}) \lambda _ m(f-1,k_ i) + \alpha _{d} \theta S_ m(f,k_ i) $

   (27)