6.3.7 HRLE

6.3.7.1 ノードの概要

本ノードは，Histogram-based Recursive Level Estimation (HRLE)法に よって定常ノイズレベルを推定する．HRLEは，入力スペクトルのヒストグラム （頻度分布）を計算し，その累積分布とパラメータ $Lx$ により指定した 正規化累積頻度からノイズレベルを推定する．ヒストグラムは，指数窓により 重み付けされた過去の入力スペクトルから計算され，１フレームごとに指数窓の 位置は更新される．

6.3.7.2 必要なファイル

無し

6.3.7.3 使用方法

どんなときに使うのか

スペクトル減算によるノイズ抑圧を行うときに用いる．

典型的な接続例

図6.59に示すように，入力は GHDSS などの分離ノードの後に接続し，出力は CalcSpecSubGain などの最適ゲインを求めるノードに接続する．図6.60は，EstimateLeak を併用した場合の接続例である．

6.3.7.4 ノードの入出力とプロパティ

入力

INPUT_SPEC

: Map<int, ObjectRef> 型． 入力信号のパワースペクトル

出力

NOISE_SPEC

: Map<int, ObjectRef> 型． 推定ノイズのパワースペクトル

パラメータ

LX

: float 型． 累積頻度分布上の正規化累積頻度を0–1の範囲で指定する． 0を指定すると最小レベル，1を指定すると最大レベル，0.5を指定するとメジアン（中央値）を推定する． デフォルトは 0.85．

TIME_CONST_METHOD

: string 型． 時定数の定義方法をサンプル数で指定する LEGACY または、ミリ秒で指定する MILLISECOND から選択する． デフォルトは LEGACY． LEGACY の場合，パラメータ TIME_CONSTANT により時定数を指定し， MILLISECOND の場合，パラメータ DECAY_FACTOR により時定数を指定する．

TIME_CONSTANT

: float 型． 時定数（0以上）を時間サンプル単位で指定する．

DECAY_FACTOR

: int 型． 時定数（0以上）をミリ秒で指定する．

ADVANCE

: int 型． フレームのシフト長[samples]を指定する． デフォルトは 160． 前段階のノード(AudioStreamFromMic ， MultiFFT など)における値と一致している必要がある．

SAMPLING_RATE

: int 型． 入力波形のサンプリング周波数[Hz]を指定する． デフォルトは 16000．

NUM_BIN

: float 型． ヒストグラムのビン数を指定する． デフォルトは 1000．

MIN_LEVEL

: float 型． ヒストグラムの最小レベル[dB]を指定する． デフォルトは -100．

STEP_LEVEL

: float 型． ヒストグラムのビンの幅[dB]を指定する． デフォルトは 0.2．

DEBUG

: bool 型． デバッグモードを指定する． デフォルトは false． デバッグモード(true)の場合，累積ヒストグラムの値がコンマ区切りテキストファイル形式で100フレーム毎に標準出力に出力される． 出力値は，複数の行と列を含む複素行列数値形式であり，行は周波数ビンの位置，列はヒストグラムの位置， 各要素は丸括弧で区切られた複素数値（左側が実数，右側が虚数部）を示す． （累積ヒストグラムは，実数値であるため，通常では虚数部は0である．しかし今後のバージョンでも0であることは保障されない．） 1つのサンプルに対する累積ヒストグラムの加算値は，1ではなく指数的に増大している（高速化のため）． そのため累積ヒストグラム値は，累積頻度そのものを表してはいない事に注意されたい． 各行の累積ヒストグラム値のほとんどが0で，最後の列に近い位置のみに値を含む場合， 入力値が設定したヒストグラムのレベル範囲を超えて大きい状態（オーバーフロー状態）にあるので， NUM_BIN, MIN_LEVEL,STEP_LEVELの一部またはすべてを高い値に設定しなおすべきである． また逆に各行の累積ヒストグラム値がほとんど一定値で，最初の列に近い位置のみに異なる低い値が含まれる場合， 入力値が設定したヒストグラムのレベル範囲より小さい状態（アンダーフロー状態）にあるので， MIN_LEVELを低い値に設定しなおすべきである．
出力の例：

---------- Compmat.disp() ---------- 
[(1.00005e-18,0), (1.00005e-18,0), (1.00005e-18,0), ..., (1.00005e-18,0); 
(0,0), (0,0), (0,0), ..., (4.00084e-18,0); 
... 
(4.00084e-18,0), (4.00084e-18,0), (4.00084e-18,0), .., , (4.00084e-18,0)]^T 
Matrix size = 1000 x 257 

6.3.7.5 ノードの詳細

図6.62にHRLEの処理フローを示す． HRLE は，入力パワーからレベルのヒストグラムを求め，その累積分布から $Lx$ レベルを推定する処理となっている．$Lx$ レベルとは，図6.63 に示すように，累積頻度分布上の正規化累積頻度 が $x$ になるレベルである． $x$ は，パラメータであり，例えば，$x=0$ であれば最小値，$x=1$ であれば最大値， $x=0.5$ であれば中央値を推定する処理となる．

HRLE の具体的な処理手順は，下記の７つの数式（図6.62の各処理に対応） で示すとおりである．式中で，$t$ は時刻（フレーム単位），$y_ p$ は入力パワー (INPUT_SPEC)，$n_ p$ は推定ノイズパワー(NOISE_SPEC])，$x$，$\alpha $， $L_{min}$，$L_{step}$ はヒストグラムに関わるパラメータでそれぞれ 正規化累積頻度(LX)，時定数(TIME_CONSTANT)，ビンの最小レベル(MIN_LEVEL)， ビンのレベル幅(STEP_LEVEL)，$\lfloor a \rfloor $ は $a$ 以下の$a$に最も 近い整数を示している． また，パラメータを除く全ての変数は，周波数の関数であり，各周波数毎に独立して 同じ処理が施される．式中では，簡略化のため周波数を省略した．

	$\displaystyle Y_ L(t) $	$\displaystyle = $	$\displaystyle 10 \log _{10} y_ p(t), \label{eqn:revcon1} $		(66)
	$\displaystyle I_ y(t) $	$\displaystyle = $	$\displaystyle \lfloor (Y_ L(t) - L_{min}) / L_{step} \rfloor , \label{eqn:revcon2} $		(67)
	$\displaystyle N(t, l) $	$\displaystyle = $	$\displaystyle \alpha N(t-1, l) + (1 - \alpha )\delta (l - I_ y(t)), \label{eqn:hitso} $		(68)
	$\displaystyle S(t, l) $	$\displaystyle = $	$\displaystyle \sum _{k=0}^ l N(t, k), \label{eqn:cumul} $		(69)
	$\displaystyle I_ x(t) $	$\displaystyle = $	$\displaystyle \mathop {\rm argmin}_ I \left[ S(t, I_{max}) \frac{x}{100} - S(t, I) \right], \label{eqn:search} $		(70)
	$\displaystyle L_ x(t) $	$\displaystyle = $	$\displaystyle L_{min} + L_{step} \cdot I_ x(t), $		(71)
	$\displaystyle n_ p(t) $	$\displaystyle = $	$\displaystyle 10^{L_ x(t)/10} $		(72)

6.3.7.6 参考文献

(1) H. Nakajima, G. Ince, K. Nakadai and Y. Hasegawa: “An Easily-configurable Robot Audition System using Histogram-based Recursive Level Estimation”, Proc. of IEEE/RSJ Int. Conf. on Intelligent Robots and Systems (IROS), 2010 (to be appeared).