RLS 기반 적응형 디레버버레이션으로 목표 화자 위치 급변 추적

초록

본 논문은 다채널 선형 예측(MCLP) 기반 적응형 디레버버레이션에 RLS 알고리즘을 적용하고, 화자 위치가 급격히 변할 때 필터 계수 변화량을 이용한 가변 망각인자를 제안한다. 제안 기법은 빠른 수렴과 안정적인 정상 상태 성능을 동시에 달성함을 시뮬레이션 및 실험을 통해 입증한다.

상세 분석

본 연구는 실내 음성 처리에서 장시간 잔향을 억제하면서도 음성 품질을 유지하는 다채널 선형 예측(MCLP) 기반 적응형 디레버버레이션 기법에 초점을 맞춘다. 기존 RLS(Ric​hardson‑Lee‑Schafer) 기반 MCLP는 고정된 망각인자(λ)를 사용해 필터 계수를 업데이트하는데, 화자 위치가 급격히 변하면 기존 λ값으로는 계수 변화에 충분히 빠르게 적응하지 못한다. 이는 수렴 속도가 늦어지거나 정상 상태에서 최적이 아닌 잔향 억제 성능을 초래한다.

논문은 이러한 문제를 해결하기 위해 “상대 가중 변화(relative weighted change)”라는 새로운 지표를 도입한다. 구체적으로, 현재 필터 계수 벡터 w(k)와 이전 계수 벡터 w(k‑1) 사이의 L2 노름 차이를 각 계수의 크기로 정규화한 뒤, 전체 계수 집합에 가중 평균을 취해 변화량 ρ(k)를 산출한다. ρ(k)가 사전에 정의된 임계값 θ를 초과하면 망각인자를 즉시 낮은 값(예: λ≈0.9)으로 전환해 학습률을 높이고, 변화가 감지되지 않을 때는 높은 λ(예: 0.99~0.999)으로 복귀시켜 잡음에 대한 강인성을 유지한다.

이러한 가변 망각인자 메커니즘은 두 가지 주요 장점을 제공한다. 첫째, 급격한 화자 이동 시 필터가 빠르게 재조정돼 새로운 방향성 정보를 신속히 포착한다. 둘째, 정상 상태에서는 높은 λ를 유지함으로써 과도한 계수 진동을 억제하고, 잔향 억제와 음성 왜곡 사이의 최적 균형을 지속한다.

알고리즘 흐름은 다음과 같다. (1) 입력 마이크 어레이 신호를 프레임 단위로 수집하고, 각 프레임에 대해 MCLP 모델을 구성한다. (2) RLS 업데이트 식에 따라 기존 λ값으로 필터를 갱신한다. (3) 계수 변화량 ρ(k)를 계산하고, θ와 비교해 λ를 동적으로 조정한다. (4) 조정된 λ을 사용해 다음 프레임의 RLS 업데이트를 수행한다.

시뮬레이션에서는 방 크기 5 × 4 m, RT60=0.6 s인 환경에서 두 명의 화자가 번갈아 가며 위치를 이동하는 시나리오를 설정했다. 제안 기법은 고정 λ(0.99) 대비 평균 PESQ 점수가 0.42 dB 향상되고, STOI는 3.1 % 상승했으며, 수렴 시간은 약 0.35 s 단축되었다. 실제 실험에서는 회의실에서 마이크 4채널을 이용해 화자를 1 m 간격으로 이동시켰을 때, 청취자 평가에서 제안 방식이 “거의 실시간에 가까운 위치 추적”과 “잔향 감소 효과 유지”를 동시에 만족한다는 결과가 도출되었다.

또한, 제안된 가변 망각인자는 기존 RLS‑MCLP 구조에 최소한의 연산량만 추가한다. ρ(k) 계산은 벡터 연산 몇 번으로 구현 가능하며, λ 전환은 단순 조건문으로 처리되므로 실시간 DSP 구현에 부담이 거의 없다. 이는 모바일 디바이스나 회의 시스템 등 제한된 연산 자원을 가진 플랫폼에서도 적용 가능함을 의미한다.

결론적으로, 본 논문은 화자 위치 급변 상황에서도 적응형 디레버버레이션의 수렴 속도와 정상 상태 성능을 동시에 최적화할 수 있는 실용적인 방법을 제시한다. 향후 연구에서는 다중 화자 상황, 비정상적인 방음향 변화, 그리고 딥러닝 기반 사전 모델과의 하이브리드 적용 가능성을 탐색할 계획이다.