3D-подсказки для активного шумоподавления в реверберации
Это не речевая статья в узком смысле, но она хорошо попадает в соседнюю область DSP и акустики помещений: активное шумоподавление в реверберирующей среде. Авторы показывают, что для fixed-filter ANC недостаточно знать спектр шума: оптимальный управляющий фильтр зависит от 3D-положения источника. Поэтому они добавляют пространственно-частотные подсказки к generative fixed-filter ANC.
Метод. Система строит библиотеку управляющих фильтров по сетке расстояний, углов места и азимута вокруг компактного четырехмикрофонного массива. CRNN по многоканальному reference-сигналу одновременно классифицирует расстояние, elevation и azimuth, а также предсказывает веса восьми sub-control filters. Важная инженерная деталь: CRNN работает на co-processor с кадровой частотой 0.5 с, а real-time controller применяет фильтр на частоте дискретизации 16 кГц, поэтому авторы называют контур delayless относительно выборочной обработки.
Результаты. На невиданных комнатах и уровнях SNR 10-50 dB CRNN дает устойчивую 3D-локализацию. Distance accuracy держится примерно в диапазоне 91.83-95.21%, elevation accuracy 90.69-95.35%, azimuth accuracy 95.85-98.10%. Для сравнения, SRP-PHAT по elevation находится примерно в диапазоне 77.65-87.52%, а по azimuth 60.29-79.66%. Модель маленькая: 0.24M параметров и 121.26M MACs. По шумоподавлению SF-GFANC дает больше 10 dB noise reduction после первых 0.5 с, около 15 dB в сравнении с FD-SFANC на 50-450 Hz шуме и больше 7 dB даже при RT60=0.9 с.
Ограничения. Сценарий однозначно ограничен: одиночный источник шума, малые расстояния до массива и контролируемая геометрия. Реальные измерения есть, но в одной комнате 8×5.2×2.6 м с RT60=0.27 с и на двух типах шума, compressor и hand drill. Речевых perceptual-тестов нет, а полноценная embedded реализация вынесена в будущую работу.
Фишка из статьи. Таблица локализации объясняет, почему пространственная подсказка нужна. При малом массиве и реверберации обычный SRP-PHAT особенно проседает по азимуту, а CRNN сохраняет высокую точность и дополнительно дает расстояние, которого у DoA-метода нет.
| Оценка на unseen rooms | CRNN, 10 dB | CRNN, 50 dB | SRP-PHAT, 10 dB | SRP-PHAT, 50 dB |
|---|---|---|---|---|
| Distance accuracy, R2' | 91.83% | 92.69% | нет оценки | нет оценки |
| Elevation accuracy, R2' | 90.69% | 93.90% | 77.65% | 84.27% |
| Azimuth accuracy, R2' | 95.85% | 96.19% | 60.29% | 75.22% |
| Weights MSE, R2' | 0.0523 | 0.0459 | нет оценки | нет оценки |
Как это читать: выигрыш не только в шумоподавлении, а в представлении задачи. Фильтр выбирается не по "какой это шум", а по "где источник и какой у него спектр", что в комнате с отражениями становится критичным.