利用卡尔曼滤波与自适应脉冲响应子空间模型的在线声学系统辨识
音频与语音处理
2021-05-10 v1
摘要
我们提出一种用于在线估计声学脉冲响应(AIRs)的新算法,其通过利用关于 AIRs 基本结构的先验知识实现快速收敛。所提方法假设一个声学场景中 AIRs 的变化被限制于嵌入在高维可能 AIR 估计空间中的低维流形内。我们讨论以仿射子空间局部逼近 AIR 流形的多种方法,这些子空间被假定为流形的切超平面。这些模型假设的有效性通过仿真数据得以验证。随后,我们描述如何利用所学模型通过将在线 AIR 估计投影到自适应估计的子空间上来改进之。决定该子空间的参数从当前 AIR 估计的局部邻域中的训练样本学习得到。这使得系统辨识算法能受益于该声学场景中先前的估计。为评估训练数据 AIRs 与当前 AIR 估计的邻近性,我们引入欧几里得距离的概率扩展,从而改善具有相关激励信号的应用之性能。此外,我们描述如何通过 AIR 估计的软投影来应对模型不完美性。所提算法相较高性能的现有最优算法展现出显著更快的收敛特性。进一步地,对于受高电平干扰噪声与非唯一解影响的语音激励系统辨识场景,我们展示了改善的稳态性能。
引用
@article{arxiv.2105.03337,
title = {Online Acoustic System Identification Exploiting Kalman Filtering and an Adaptive Impulse Response Subspace Model},
author = {Thomas Haubner and Andreas Brendel and Walter Kellermann},
journal= {arXiv preprint arXiv:2105.03337},
year = {2021}
}