Technieken voor ruisonderdrukking en dereverberatie in spraaktoepassingen met behulp van meerdere microfoons Simon Doclo 21 mei 2003.

Presentatie over: "Technieken voor ruisonderdrukking en dereverberatie in spraaktoepassingen met behulp van meerdere microfoons Simon Doclo 21 mei 2003."— Transcript van de presentatie:

1

2 Technieken voor ruisonderdrukking en dereverberatie in spraaktoepassingen met behulp van meerdere microfoons Simon Doclo 21 mei 2003

3 2 Overzicht Inleiding Basisprincipes Robuuste breedband-bundelvorming Meerkanaals optimale filtering Akoestische-kanaalschatting en dereverberatie Besluit en verder onderzoek

4 3 Overzicht Inleiding  Situering en toepassingen  Probleemstelling  Bijdragen Basisprincipes Robuuste breedband-bundelvorming Meerkanaals optimale filtering Akoestische-kanaalschatting en dereverberatie Besluit en verder onderzoek

5 4 Opname van spraak in ongunstige akoestische omgeving Situering Spraakcommunicatietoepassingen: handenvrije mobiele telefonie, spraakgestuurde systemen, hoorapparaten Achtergrondlawaai: - ventilator, radio - andere personen - meestal ongekend Reverberatie (nagalm) - reflecties van signaal tegen muur, objecten Lage signaalkwaliteit Spraakverstaanbaarheid en spraakherkenning  Inleiding -Situering -Probleemstelling -Bijdragen  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie  Besluit

6 5 Signaalverbetering Doelstelling Signaalverbeteringstechnieken:  Ruisonderdrukking : verminderen van achtergrondlawaai zonder spraak te vervormen  Dereverberatie : effect van nagalm verminderen  Gecombineerde ruisonderdrukking en dereverberatie Akoestische bronlokalisatie: camera of volgspot  Inleiding -Situering -Probleemstelling -Bijdragen  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie  Besluit

7 6 Video-conferencing:  Microfoonrooster voor bronlokalisatie : – richten van camera op actieve spreker – signaalverbetering door sturen van microfoonrooster Toepassingen Handenvrije mobiele telefonie:  Belangrijkste toepassing vanuit economisch standpunt  Handenvrije kit in wagen verplicht  Meeste huidige systemen: 1 directionele microfoon  Inleiding -Situering -Probleemstelling -Bijdragen  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie  Besluit

8 7 Hoorapparaten en cochleaire implantaten:  meeste slechthorenden lijden aan perceptueel gehoorverlies  versterking  verzwakking van ruis tov gewenst signaal Toepassingen Spraakgestuurde systemen:  consumentenelektronica (HiFi, PC software)  voordeel wanneer spraakherkenning betrouwbaar werkt in alle omstandigheden  signaalverbetering als voorverwerking  meerdere microfoons + DSP in hoorapparaat  huidige systemen: eenvoudige bundelvorming  robuustheid zeer belangrijk wegens kleine afstand microfoons  Inleiding -Situering -Probleemstelling -Bijdragen  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie  Besluit

9 8 Algoritmische vereisten ‘Blinde’ technieken: ongekende ruisbronnen en omgeving Adaptief: tijdsvariante signalen en akoestische omgeving Robuustheid:  Microfoonkarakteristieken (versterking, fase, positie)  Andere afwijkingen van veronderstelde signaalmodel Integratie van verschillende technieken Berekeningscomplexiteit  Inleiding -Situering -Probleemstelling -Bijdragen  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie  Besluit

10 Probleemstelling en bijdragen 9 Eénkanaals-technieken – spectrale subtractie [Boll 79, Ephraim 85, Xie 96] Signaalonafhankelijke transformatie Problemen met residuele ruis – deelruimte-gebaseerd [Dendrinos 91, Ephraim 95, Jensen 95] Signaalafhankelijke transformatie signaalruimte + ruisdeelruimte 2. Meerkanaals optimale filtering spatiale informatie robuustheid 3. Blinde kanaalschatting dereverberatie 1. Robuuste breedband- bundelvorming Meerkanaals-technieken – vaste bundelvorming [Dolph 46, Cox 86, Ward 95, Elko 00] Vast directiviteitspatroon – adaptieve bundelvorming [Frost 72, Griffiths 82, Gannot 01] aanpassen aan verschillende omgevingen  performantie `Generalised Sidelobe Canceller’ (GSC) – inverse, ‘matched’ filtering [Myoshi 88, Flanagan 93, Affes 97] enkel spectrale informatiea-priori veronderstellingen

11 10 Overzicht Inleiding Basisprincipes  Signaalmodel  Karakteristieken van signalen en akoestische omgeving Robuuste breedband-bundelvorming Meerkanaals optimale filtering Akoestische-kanaalschatting en dereverberatie Besluit en verder onderzoek

12 11 Signaalmodel Model voor microfoonsignalen in tijdsdomein: gefilterde versie van zuiver spraaksignaal + additieve gekleurde ruis Akoestische impulsresponsie Spraak- signaal Additieve ruis  Inleiding  Basisprincipes -Signaalmodel -Karakteristieken  Bundelvorming  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie  Besluit

13 12 Signaalmodel Meerkanaals-signaalverbetering: microfoonsignalen worden gefilterd met filters w n [k] en gesommeerd  f [k] = totale transferfunctie voor spraakcomponent  z v [k] = residuele ruiscomponent  Technieken verschillen in berekening van filters:  Ruisonderdrukking : minimaliseer residuele ruis z v [k] en beperk spraakvervorming  Dereverberatie : f [k] = δ [k] door schatten van akoestische impulsresponsies h n [k]  Gecombineerde ruisonderdrukking en dereverberatie  Inleiding  Basisprincipes -Signaalmodel -Karakteristieken  Bundelvorming  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie  Besluit

14 13 Karakteristieken van signalen Spraak:  Breedbandig (300-8000 Hz)  Aan/uit-karakteristiek  Spraakdetectie-algoritme (VAD)  Lineair lage-rangmodel: lineaire combinatie van basisfuncties 00.20.40.60.811.21.41.61.82 -0.4 -0.3 -0.2 -0.1 0 0.1 0.2 0.3 0.4 Amplitude Tijd (sec) (R=12…20) Ruis:  ongekende signalen zonder referentie  traag-variërend (ventilator)  niet-stationair (radio, spraak)  Inleiding  Basisprincipes -Signaalmodel -Karakteristieken  Bundelvorming  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie  Besluit

15 14 Akoestische omgeving Reverberatietijd T 60 : globale karakteristiek Akoestische impulsresponsies:  Akoestische filtering tussen spreker en microfoons  FIR-filter (K=1000…2000 taps)  Niet-minimum-fasesysteem  geen stabiele inverse Microfoonrooster:  Veronderstelling: puntsensoren met ideale karakteristiek  Afwijkingen: versterking, fase, positie AutoKamerKerk 70 ms250 ms1500 ms 00.10.20.30.40.50.60.70.80.91 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 Tijd (sec) Amplitude Impulsresponsie PSK rij 9  Inleiding  Basisprincipes -Signaalmodel -Karakteristieken  Bundelvorming  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie  Besluit

16 15 Overzicht Inleiding Basisprincipes Robuuste breedband-bundelvorming  Nieuwe ontwerpprocedures voor breedband- bundelvorming  Robuuste bundelvorming tegen afwijkingen in versterking en fase Meerkanaals optimale filtering Akoestische-kanaalschatting en dereverberatie Besluit en verder onderzoek

17 16 Vaste bundelvorming Ruis- en spraakbronnen met zelfde spectrum op verschillende posities Benut spatiale diversiteit door meerdere microfoons Originele techniek uit radartoepassingen:  Smallband : compensatie van vertraging  breedband  ‘Far-field’ : vlakke golven  ‘near-field’ : sferische golven  Gekende karakteristieken van sensoren  afwijkingen - Lage complexiteit - Robuustheid bij lage signaal-ruisverhouding - A-priori kennis over posities en microfoonkarakteristieken - Signaal-onafhankelijk FIR ‘filter-and-sum’ structuur: willekeurig directiviteits- patroon voor willekeurige microfoonconfiguratie Onderdrukken ruis en reverberatie uit bepaalde richtingen  Inleiding  Basisprincipes  Bundelvorming -Ontwerp -Robuust  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie  Besluit

18 17 ‘Filter-and-sum’ configuratie Doelstelling: bereken filters w n [k] zodat bundelvormer gewenste vaste spatiale en spectrale filtering uitvoert Far-field: - vlakke golven - gelijke verzwakking 2D-filterontwerp in hoek  en frequentie  Directiviteitspatroon: Gewenst directiviteitspatroon:  Inleiding  Basisprincipes  Bundelvorming -Ontwerp -Robuust  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie  Besluit

19 18 Ontwerpprocedures Ontwerp filter w zodat directiviteitspatroon zo dicht mogelijk benadert over volledig frequentie-hoek- gebied  minimalisatie van kostfunctie  Niet-lineare kostfunctie  iteratieve optimalisatie = complex!  Gewogen-kleinste-kwadraten  kwadratische functie  Eigenfilter gebaseerd op TLS-criterium  GEVD Besluit: TLS-eigenfilter beste niet-iteratieve procedure  Inleiding  Basisprincipes  Bundelvorming -Ontwerp -Robuust  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie  Besluit

20 19 Niet-lineaire procedureTLS-Eigenfilter Simulaties Angle (deg) Freq (Hz) dB Angle (deg) Freq (Hz) dB Parameters: -N=5, d=4cm -L=20, f s =8kHz -Pass: 40 o -80 o -Stop: 0 o -30 o + 90 o -180 o Delay-and-sum Angle (deg) Freq (Hz) dB

21 20 Kleine afwijkingen van veronderstelde karakteristieken (versterking, fase, positie)  grote afwijkingen in directiviteits- patroon, zeker voor microfoonroosters met kleine afmeting In de praktijk zijn microfoonkarakteristieken nooit exact gekend Beschouw alle mogelijke microfoonkarakteristieken en optimaliseer  gemiddelde performantie met waarschijnlijkheid als gewicht  ‘worst-case’ performantie  minimax-optimalisatieprobleem Robuuste breedband bundelvorming Breng specifieke (willekeurige) afwijkingen in rekening Meet- of kalibratieprocedure  Inleiding  Basisprincipes  Bundelvorming -Ontwerp -Robuust  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie  Besluit

22 21 Simulaties Niet-lineaire ontwerpprocedure N=3, posities: [-0.01 0 0.015] m, L=20, f s =8 kHz Passband = 0 o -60 o, 300-4000 Hz (endfire) Stopband = 80 o -180 o, 300-4000 Hz Robuust ontwerp voor gemiddelde performantie: Uniforme pdf = (0.85-1.15) en (-5 o -10 o ) Afwijking = [0.9 1.1 1.05] en [5 o -2 o 5 o ] Ontwerp JJ dev Niet-robuust0.158587.131 Gemiddelde kost0.21960.2219 Maximum kost 0.17070.1990  Inleiding  Basisprincipes  Bundelvorming -Ontwerp -Robuust  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie  Besluit

23 22 Niet-robuust ontwerpRobuust ontwerp Geen afwijkingen Afwijkingen (versterking/fase) Simulaties Angle (deg) Frequency (Hz) dB Angle (deg) Frequency (Hz) dB Angle (deg) Frequency (Hz) dB Angle (deg) Frequency (Hz) dB  Inleiding  Basisprincipes  Bundelvorming -Ontwerp -Robuust  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie  Besluit

24 23 Overzicht Inleiding Basisprincipes Robuuste breedband-bundelvorming Meerkanaals optimale filtering  GSVD-gebaseerde optimaal-filtertechniek  Verminderen van berekeningscomplexiteit  Simulaties Akoestische-kanaalschatting en dereverberatie Besluit en verder onderzoek

25 24 Meerkanaals optimale filtering Doel: optimale schatting van spraakcomponenten in microfoonsignalen Minimaliseer MSE Vertraagde spraakcomponent in microfoonsignaal Uitgangssignaal Geen veronderstellingen Standaard (adaptieve) bundelvorming: LCMV Lineaire beperkingen: a-priori veronderstellingen over microfoon + positie Meer-kanaals Wiener Filter -Spraak en ruis onafhankelijk -2e orde statistiek ruis stationair  schatten tijdens ruisperiodes (VAD) MeerkanaalsSignaal-afhankelijk Robuustheid  Inleiding  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering -Optimale filtering -Complexiteit -Simulaties  Kanaalschatting en dereverberatie  Besluit

26 25 Meerkanaals optimale filtering Implementatietechniek:  gebaseerd op Veralgemeende-Singuliere-Waarde-Ontbinding (GSVD) – in rekening brengen van lage-rangmodel spraak – afweging tussen ruisonderdrukking en spraakvervorming  QRD [Rombouts 2002], subband [Spriet 2001]  lagere complexiteit Spraakdetectie-mechanisme is enige a-priori veronderstelling: nodig voor schatting van correlatiematrices - =1 : MMSE (gelijk belang) - <1 : minder spraakvervorming, minder ruisonderdrukking - >1 : meer spraakvervorming, meer ruisonderdrukking  Inleiding  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering -Optimale filtering -Complexiteit -Simulaties  Kanaalschatting en dereverberatie  Besluit

27 26 Opsplitsing in spatiaal en spectraal gedeelte Gewenst directiviteitspatroon voor eenvoudige scenario’s Analyse in het frequentiedomein spectrale filtering (PSD) spatiale filtering (coherentie)  Inleiding  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering -Optimale filtering -Complexiteit -Simulaties  Kanaalschatting en dereverberatie  Besluit SpraakRuis

28 27 Verminderen van complexiteit Recursieve versie: elke tijdsstap berekening GSVD + filter Complexiteitsreductie door:  Recursieve technieken voor herberekening GSVD [Moonen 90]  Sub-bemonstering (stationaire akoestische omgevingen) Hoge berekeningscomplexiteit ‘Batch’RecursiefQRD [Rombouts] sub = 17504 Gflops2.1 Gflops358 Mflops sub = 20375 Gflops105 Mflops18 Mflops (N = 4, L = 20, M=80, f s = 16 kHz, P = 4000, Q = 20000) Real-time implementatie mogelijk  Inleiding  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering -Optimale filtering -Complexiteit -Simulaties  Kanaalschatting en dereverberatie  Besluit

29 28 Verminderen van complexiteit Integratie in ‘Generalised Sidelobe Canceller’ (GSC) structuur: adaptieve bundelvorming  Creatie van ‘spraakreferentie’ en ‘ruisreferentie’  Standaard meerkanaals adaptief filter (LMS, APA)  Spraak- referentie Optimaal filter Ruis- referentie(s)  + – Adaptief filter  delay Blocking matrix Ruis- referenties  Spraak- referentie f [k]f [k] Delay-sum bundelvormer Meer-kanaals adaptief filter  Verhogen van performantie Verminderen van complexiteit door korte filters  Inleiding  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering -Optimale filtering -Complexiteit -Simulaties  Kanaalschatting en dereverberatie  Besluit

30 29 Simulaties N=4, SNR=0 dB, 3 ruisbronnen (wit, spraak, muziek), f s =16 kHz Performantie: verbetering van signaal-ruisverhouding (SNR) 050010001500 0 5 10 15 Reverberatietijd (msec) Unbiased SNR (dB) Delay-and-sum bundelvormerr GSC (L ANC =400, ruisref=Griffiths-Jim) Recursieve GSVD (L=20, L ANC =400, alle nref) Recursieve GSVD (L=20, geen ANC)  Inleiding  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering -Optimale filtering -Complexiteit -Simulaties  Kanaalschatting en dereverberatie  Besluit

31 30 Conclusies GSVD-gebaseerde optimaal-filtertechniek:  Meerkanaals-uitbreiding van éénkanaals deelruimte- gebaseerde technieken  Signaal-afhankelijk  lage-rangmodel spraak  Geen a-priori veronderstellingen over sprekerpositie en microfoons SNR-verbetering beter dan GSC voor alle reverberatietijden en beschouwde akoestische scenario’s Grotere robuustheid tegen afwijkingen in signaalmodel:  Microfoonkarakteristieken  Sprekerpositie  VAD: enige a-prori informatie! – Geen effect op SNR-verbetering – Beperkt effect op spraakvervorming  Inleiding  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering -Optimale filtering -Complexiteit -Simulaties  Kanaalschatting en dereverberatie  Besluit

32 31 Overzicht Inleiding Basisprincipes Robuuste breedband-bundelvorming Meerkanaals optimale filtering Akoestische-kanaalschatting en dereverberatie  Technieken in tijdsdomein  Technieken in frequentiedomein  Gecombineerde ruisonderdrukking en dereverberatie Besluit en verder onderzoek

33 32 Doelstelling  Blinde schatting van akoestische impulsresponsiesTijdsdomein Frequentiedomein Ruisonderdrukking en dereverberatie DereverberatieBronlokalisatie  Inleiding  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie -Tijdsdomein -Frequentiedomein -Dereverberatie  Besluit

34 33 Signaalmodel voor N=2 en geen achtergrondruis Deelruimte-gebaseerde techniek: impulsresponsies kunnen berekend uit nulruimte van spraakcorrelatiematrix  (Veralgemeende) eigenvector behorend bij kleinste (veralgemeende) eigenwaarde  Problemen van techniek in tijdsdomein: – gevoeligheid aan onderschatting van kanaallengte – lage-rangmodel in combinatie met achtergrondruis Technieken in tijdsdomein S(z)S(z) H0(z)H0(z) H1(z)H1(z) Y1(z)Y1(z) Y0(z)Y0(z) Signalen -H 1 (z) H0(z)H0(z)  Nulruimte 0 ±α±α ±α±α E(z)E(z) E(z)E(z)  Inleiding  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie -Tijdsdomein -Frequentiedomein -Dereverberatie  Besluit

35 34 Niet-adaptieve techniek vormt basis voor afleiding van adaptief stochastich-gradiëntalgoritme Gebruik : schatting van gedeeltelijke impulsresponsies  schatting van tijdsvertraging voor bronlokalisatie Stochastisch-gradiëntalgoritme  Inleiding  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie -Tijdsdomein -Frequentiedomein -Dereverberatie  Besluit

36 35 Technieken in frequentiedomein Problemen technieken in tijdsdomein  frequentiedomein Signaalmodel: Schatting van akoestische transferfunctievector H(  ) uit GEVD van correlatiematrices en  Behorend bij grootste veralgemeende eigenwaarde  geen stochastisch-gradiëntalgoritme beschikbaar  Onbekende schaleringsfactor in elke frequentiebin:  kan bepaald worden indien norm gekend is  enkel toepasbaar wanneer positie van bron vrij vast is (bv. desktop, wagen)  Inleiding  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie -Tijdsdomein -Frequentiedomein -Dereverberatie  Besluit

37 36 Filteroperatie in frequentiedomein: Dereverberatie:  genormaliseerd ‘matched filter’ Gecombineerde ruisonderdrukking en dereverberatie: Z(  ) is optimale schatting van S(  )  integratie van meer-kanaals Wiener-filter met genormaliseerd ‘matched filter’  Afweging tussen beide doelstellingen Gecombineerde ruisonderdrukking en dereverberatie Residuele ruis  Inleiding  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie -Tijdsdomein -Frequentiedomein -Dereverberatie  Besluit

38 37 Simulaties N=4, d=2 cm, f s =16 kHz, SNR=0 dB, T 60 =400 msec FFT-grootte L=1024, overlap R=16 Performantiecriteria:  Signaal-ruisverhouding (SNR)  Dereverberatie-index (DI) : SNR (dB)DI (dB) Origineel microfoonsignaal2.884.74 Ruisonderdrukking16.824.73 Dereverberatie2.300.86 Gecombineerde ruisonderdrukking en dereverberatie 10.121.35  Inleiding  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie -Tijdsdomein -Frequentiedomein -Dereverberatie  Besluit

39 38 Besluit Lage signaalkwaliteit door achtergrondruis en reverberatie  signaalverbetering om spraakverstaanbaarheid en performantie te verhogen Eénkanaals-technieken: spectrale informatie Standaard bundelvorming: a-priori veronderstellingen Geen a-priori veronderstellingen MeerkanaalsSignaal-afhankelijk Blinde kanaalschatting dereverberatie Robuuste breedband- bundelvorming Meerkanaals optimale filtering  Inleiding  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie  Besluit

40 39 Bijdragen Robuuste breedband-bundelvorming:  nieuwe kostfuncties voor breedband ‘far-field’-ontwerp (niet-lineair, eigenfilter)  uitbreiding naar ‘near-field’ en ‘mixed near-far field’  2 procedures voor robuust ontwerp tegen afwijkingen in versterking en fase GSVD-gebaseerde optimaal-filtertechniek voor meerkanaals-ruisonderdrukking:  uitbreiding éénkanaals deelruimte-gebaseerde technieken  meerdere microfoons  integratie in GSC-structuur  betere performantie en robuustheid dan bundelvorming Akoestische-kanaalschatting en dereverberatie:  stochastisch-gradiëntalgoritme voor schatten van tijdsvertraging en bronlokalisatie (gekleurde ruis)  gecombineerde ruisonderdrukking en dereverberatie in frequentiedomein  Inleiding  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie  Besluit

41 40 Verder onderzoek Combinatie van meerkanaals Wiener-filter en vaste bundelvorming:  Lage SNR: VAD faalt  lage performantie Wiener-filter  Gecombineerde techniek: robuuster wanneer VAD faalt, betere performantie dan vaste bundelvorming in andere scenario’s Akoestische-kanaalschatting en dereverberatie:  Tijdsdomein: onderliggende reden gevoeligheid  Frequentiedomein: onbekende schalingsfactor  BSS ?  andere blinde identificatietechnieken (LP, NL Kalman-filtering) Verdere vermindering van complexiteit van meerkanaals optimaal-filtertechniek:  Stochastische-gradiëntalgoritmes  Subband/frequentie-domein  Inleiding  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie  Besluit

42 41 Publicaties en projecten Publicaties:  Journals: 1 gepubliceerd, 4 aanvaard  Conferenties: 11 artikels voorgesteld  Hoofdstuk in Boek ‘Microphone Arrays: Signal Processing Techniques and Applications’ (Eds. M. Brandstein, D. Ward)  Best Student Paper Award IWAENC-2001 Financiering:  IWT (Instituut voor de aanmoediging van Innovatie door Wetenschap en Technologie in Vlaanderen) : 1998-2002 Industriële projecten:  Philips-ITCL: ‘Multi-microphone signal enhancement techniques for hands-free telephony and voice-controlled systems’ (MUSETTE I-II)  Cochlear CTCE: `Performance improvement of cochlear implants by innovative speech processing algorithms’  Inleiding  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie  Besluit