使用组稀疏惩罚的加权预测误差算法麦克风子集选择
音频与语音处理
2026-02-04 v1
摘要
混响会严重降低在封闭空间中使用麦克风录制的语音信号质量。在具有空间分布麦克风的声学传感器网络中，仅使用所有可用麦克风的一个子集就可能达到类似的去混响性能。本文利用流行的凸松弛方法，提出通过对预测滤波器系数引入组稀疏惩罚，为加权预测误差 (WPE) 多通道去混响算法执行麦克风子集选择。结果表明，由此产生的问题可使用加速近端梯度算法高效求解。使用实测脉冲响应的实验评估表明，所提方法的性能接近通过穷举搜索获得的最优性能，无论是对于频率相关还是频率无关的麦克风子集选择。此外，对于频率无关的麦克风子集选择，仅使用少量麦克风的性能仅略逊于使用所有可用麦克风。
引用
@article{arxiv.2401.08486,
title = {Microphone Subset Selection for the Weighted Prediction Error Algorithm using a Group Sparsity Penalty},
author = {Anselm Lohmann and Toon van Waterschoot and Joerg Bitzer and Simon Doclo},
journal= {arXiv preprint arXiv:2401.08486},
year = {2026}
}