DEREVERBERATION Jef Callebaut & Stijn Sillen. INHOUD Wat is dereverberation? Toepassingen Ideale oplossing Oplossingsmethoden To Do Besluit Vragen.

Presentatie over: "DEREVERBERATION Jef Callebaut & Stijn Sillen. INHOUD Wat is dereverberation? Toepassingen Ideale oplossing Oplossingsmethoden To Do Besluit Vragen."— Transcript van de presentatie:

1 DEREVERBERATION Jef Callebaut & Stijn Sillen

2 INHOUD Wat is dereverberation? Toepassingen Ideale oplossing Oplossingsmethoden To Do Besluit Vragen

3 Wat is dereverberation? Direct signaal en vertraagd signaal aan micro Reverberation = galm tgv reflecties Probleem: origineel signaal wordt verstoord Zorgt voor moeilijke interpretatie van het signaal Oplossing: dereverberation

4 Toepassingen Hands-free telefonie Hoorapparaten Teleconferentie Automatische spraakherkenning...

5 Ideale Oplossing Reverberation verdwijnt volledig Ruis wordt weggefilterd Algoritme werkt “blind” Korte en lange reverberation tijd Efficiëntie

6 Mogelijke methodes Single Channel Dereverberation 1 luidspreker en 1 micro Werkt goed bij lange reverb tijd Grote hoeveelheid spraakdata nodig Multi Channel Dereverberation Meerdere luidsprekers of micro’s Werkt zowel met lange als korte reverb tijd Spraakkarateristieken gelijk voor elk kanaal Maar verschillende reverb

7 Multi microphone methode Inverse filtering van kamer akoestiek (MINT) ‏ Multiple input/output INverse filter Theorem Transferfunctie van kamer: FIR-filters Adaptief filter Probleem: “whitening” van het signaal door filter Whitening: Spraakkarakteristieken verdwijnen Oplossing: LIME

8 Principe van LIME LInear-predictive Multi-input Equalization Spraakkarakteristieken dezelfde voor alle micro’s Kamer reverberation verschillend Aannames: Ingangssignaal gemodelleerd door AR-proces Tijdsinvariante transferfuncties

9 LIME Multichannel linear prediction (MINT) Vrij van reverb, maar “whitening” Schatting van gemiddelde spraakkarakteristiek Whitening wordt verminderd

10 LIME Linear Prediction w is prediction filter set Schatting AR proces 1/â(z) Parameters uit karakteristieke veelterm van Q Definitie van Q volgt uit minimalisatie ê(n) E{}  LMS

11 Uitbreiding van LIME Reductie van ruis Microfoonsignalen gefilterd met â 2 (z) “prewhitening”

12 Problemen met LIME Kanalen hebben overlappende nulpunten Distorsie bij langere kamer impulsresponsie Oplossing: aantal micro’s verhogen Impulsresponsies verlengen en complexiteit stijgt Complexiteit Inverse en karakteristieke veelterm van grote matrices Efficiënte berekeningsmethoden nodig (Schur algoritme) Subband processing  kortere transferfunctie in elke f- band

13 To Do Simulink model afwerken Algoritmen implementeren Efficiëntie verbeteren Testen Lange en korte reverberation tijden Zonder ruis Met ruis Verschillend aantal microfoons

14 Besluit Multi microphone methodes werken best Probleem van “whitening” kan opgelost worden Ruis kan eveneens verminderd worden Computationele problemen?