基于麦克风相关预测延迟的加权预测误差声学传感器网络去混响
音频与语音处理
2026-02-04 v1
摘要
过去几十年中提出了若干多麦克风语音去混响算法，其中之一是加权预测误差（WPE）算法。在 WPE 算法中，需要预测延迟以降低预测信号与参考麦克风信号中直达分量之间的相关性。在麦克风间距紧凑的阵列中，预测延迟通常选为与麦克风无关。在具有空间分布麦克风的声学传感器网络中，参考麦克风与其他麦克风之间语音源的大到达时间差（TDOAs）通常会出现。因此，当使用与麦克风无关的预测延迟时，参考信号与预测信号可能仍显著相关，导致去混响输出信号失真。为对信号去相关，本文提出相对于参考麦克风施加 TDOA 补偿，从而为 WPE 算法得到麦克风相关预测延迟。我们考虑了在短时傅里叶变换域中使用交叉带滤波的最优 TDOA 补偿，以及带间与整数延迟近似。针对不同混响时间、使用理想及估计 TDOA 的仿真结果清晰显示了使用麦克风相关预测延迟的益处。
引用
@article{arxiv.2301.07649,
title = {Dereverberation in Acoustic Sensor Networks Using Weighted Prediction Error With Microphone-dependent Prediction Delays},
author = {Anselm Lohmann and Toon van Waterschoot and Joerg Bitzer and Simon Doclo},
journal= {arXiv preprint arXiv:2301.07649},
year = {2026}
}