가중 예측 오차 알고리즘을 위한 최적 기준 마이크 선택

초록

본 논문은 다중 마이크 배열에서 가중 예측 오차(WPE) 기반 역반향 알고리즘의 성능을 향상시키기 위해, 역반향 후 출력 신호의 정규화 ℓₚ-노름을 기준으로 기준 마이크를 자동 선택하는 방법을 제안한다. 실험 결과, 기존의 초기‑후반 반향비(EAR) 혹은 신호 전력 기반 선택보다 선택된 마이크가 제공하는 역반향 품질이 현저히 우수함을 확인하였다.

상세 분석

WPE는 다채널 선형 예측(MCLP)을 이용해 늦은 반향 성분을 억제하고, 선택된 기준 마이크의 신호를 기준으로 나머지 채널을 보정한다. 기존 연구에서는 기준 마이크를 임의로 정하거나, 초기‑후반 반향비(EAR) 혹은 각 마이크의 신호 전력을 기준으로 선택했지만, 공간적으로 넓게 배치된 마이크 배열에서는 이러한 기준이 반향 억제 효율에 큰 차이를 만들지 못한다. 저자들은 WPE 최적화 과정에서 사용되는 비용 함수 ‖dᵣ‖ₚᵖ = ‖xᵣ – Xτ,ᵣ gᵣ‖ₚᵖ 를 활용해, 출력 신호 dᵣ의 ℓₚ-노름을 최소화하는 마이크를 기준으로 선택하면 자연스럽게 전체 시스템의 스파시티 프로모팅 효과가 극대화된다고 주장한다. 다만 ℓₚ-노름은 신호 전력에 크게 의존하므로, 마이크마다 전력 차이가 클 경우 직접 비교가 부정확해진다. 이를 보완하기 위해 저자들은 출력 신호의 전력을 ℓ₂-노름으로 정규화한 후 ℓₚ/ℓ₂ 비율을 최소화하는 방식을 제안한다. 수식적으로는 ˆr₍I₎ = arg min₍r₎ ∑₍f₎‖xᵣ(f) – Xτ,ᵣ(f) ĝᵣ(f)‖ₚ / ‖xᵣ(f) – Xτ,ᵣ(f) ĝᵣ(f)‖₂ 로 정의된다. 이 정규화는 전력 차이를 보정하면서도 ℓₚ-노름이 제공하는 스파시티 촉진 특성을 유지한다.

알고리즘 구현은 기존 IRLS(Iteratively Reweighted Least Squares) 절차와 동일하게 진행되며, 각 반복 단계에서 가중치 행렬 W(i)ᵣ을 현재 추정된 출력 신호의 절댓값에 기반해 업데이트한다. 초기 가중치는 ϵ를 더해 영점 회피를 보장한다. 선택된 기준 마이크에 대해 I‑WPE를 10회 반복 수행하고, 마이크‑독립적인 예측 지연 τ=2와 필터 길이 Lg=15를 사용한다.

실험은 6 m × 7 m × 2 m 크기의 실내 실험실에서 8개의 마이크를 균일하게 배치하고, 12개의 서로 다른 스피커 위치에서 음성을 녹음하였다. STFT 프레임 크기는 1024, 프레임 쉬프트는 256이며, 하노버 분석 및 합성 윈도우를 적용했다. 성능 평가는 PESQ, STOI, 그리고 반향 감소량(ΔRT₆₀)으로 측정했으며, 제안 방법은 EAR 기반 및 전력 기반 선택에 비해 평균 PESQ 0.12 dB, STOI 1.8 % 향상을 보였다. 특히 신호 전력이 크게 차이나는 마이크가 포함된 경우, 정규화 ℓₚ-노름 선택이 반향 억제 효율을 15 % 이상 개선하였다.

이 연구는 ℓₚ-노름 최소화가 WPE의 스파시티 프로모팅 메커니즘과 자연스럽게 연결됨을 실증하고, 전력 정규화를 통해 마이크 간 전력 불균형을 보정함으로써 실제 배치 환경에서도 견고한 기준 마이크 선택이 가능함을 보여준다. 향후 연구에서는 동적 환경(스피커 이동, 잡음 변동)에서 실시간 기준 마이크 업데이트와, p값을 자동 최적화하는 메타‑학습 기법을 탐색할 여지가 있다.