FastFCA‑AS: 다중음원 분리를 위한 전역 대각화 가속기법

본 논문은 Full‑rank Spatial Covariance Analysis(FCA)의 계산 복잡도가 높은 문제점을 해결하기 위해 FastFCA‑AS라는 새로운 가속 알고리즘을 제안한다. FCA는 다채널 마이크 배열에서 각 음원의 공간 공분산 행렬 S_j(f)와 시간‑주파수별 파워 스펙트럼 v_j(n,f)를 추정해, MMSE 기반 다채널 Wiener 필터를 통해 소스 이미지를 복원한다. 그러나 EM 기반 파라미터 추정 과정에서 매 시간‑주파수 포인트마다 I×I 차원의 행렬 역연산과 곱셈을 수행해야 하며, 이는 O(I³) 복잡도로 실시간 적용을 방해한다. FastFCA‑AS는 이러한 병목을 전역 대각화(Joint Diagonalization) 기법으로 해소한다. 구체적으로, 모든 소스의 공간 공분산 행렬을 공통 비특이 변환 행렬 P(f)와 대각 행렬 Λ_j(f)로 재파라미터화한다. 즉, S_j(f) = (P(f)⁻¹)ᴴ Λ_j(f) P(f)⁻¹ 로 표현함으로써, 변환된 좌표계에서는 모든 공분산 행렬이 대각 형태가 된다. 이때, EM 단계에서의 평균 μ̂_j와 공분산 Φ̂_j는 P(f)ᵀ·μ̂_j와 P(f)ᵀ·Φ̂_j·P(f) 형태로 계산되며, 대각 행렬에 대한 연산만 필요해 O(I) 복잡도로 감소한다. EM‑based 업데이트는 기존 FCA와 동일하게 두 단계로 진행된다. E‑step에서는 현재 파라미터를 이용해 posterior 평균과 공분산을 구하고, M‑step에서는 식 (19)와 (20)을 통해 v_j(n,f)와 Λ_j(f)를 갱신한다. 여기서 대각 행렬의 트레이스와 행렬식은 단순한 원소 연산이므로 계산 비용이 크게 낮아진다. P(f)의 업데이트는 고정점 반복을 사용한다. 로그우도에 대한 Wirtinger 미분을 수행해 고정점 방정식 (23)을 도출하고, 이를 반복 적용한다. 이 과정은 각 주파수 대역마다 독립적으로 수행되며, 일반적으로 1~2회 반복이면 충분히 수렴한다. 복잡도 분석 결과, FastFCA‑AS는 매 iteration당 (I+1)·F·K 번의 행렬 역연산만 필요하고, 행렬 곱셈은 전혀 발생하지 않는다. 실험 설정(I=3, F=512, K=1)에서는 매 iteration당 2048번의 역연산만 수행한다. 반면 기존 FCA는 (J+N)·F 번의 역연산과 2·J·N·F 번의 행렬 곱셈을 요구한다. 실험에서는 3개의 음원과 3개의 마이크를 사용해 다양한 RT60(130~440 ms) 환경에서 10번씩 반복하였다. FastFCA‑AS는 평균 Real‑Time Factor(RTF)에서 0.001~0.002 수준을 기록해 FCA 대비 420배 이상 빠른 처리 속도를 보였으며, SDR 측면에서도 약 0.2 dB 정도 향상된 결과를 얻어 성능 저하 없이 속도 향상을 달성했다. 논문은 또한 고정점 업데이트의 초기값 민감도와 고차원 마이크 배열에서의 대각화 정확도 문제를 언급하며, 향후 자연 기울기, 2차 최적화, 온라인 적응형 업데이트 등 다양한 최적화 기법을 적용해 안정성과 실시간성을 더욱 강화할 계획임을 제시한다.