多聲源語音分 離效果

接著將使用已經求得的 追蹤資訊，經過波束形成器來 輸出結果，並測試本 論文系統架構聲源分離的效果。實驗語料與配置如表 4.9 與圖 4.11 所示。

聲源方位 聲源類型

Source 1 0° Female Voice 1 Source 2 90° Female Voice 2

Source 1 0° Female Voice 1 Source 2 90° Female Voice 2 Source 3 180° Male Voice 1 Source 4 270° Male Voice 2

表 4.9 多聲源追蹤準確率與穩健度效能評估擺置設定(二聲源與四聲源)

圖 4.11 多聲源語料人聲分佈圖(二聲源與四聲源)

由於系統輸入為一混音 的八聲道訊號，經過波束 形成器輸出為兩 個聲源的 訊號，這樣的情形要計算各自聲源 結果的 SNR 時，將需要把其它聲 源當作干 擾(Noise)，而使用傳統的 SNR 算法並無 法有效取得這些 人聲能量當作干 擾 (Noise)。

為了評估波束形成器對此各聲源的訊噪比 SNR (Signal-to-noise-ratio)，在 此定義一特別適用於此多聲源情況下的 SNR 算法。

52

的訊噪比增益 SNRI(Signal-to-noise-ratio improvement)：

1 output1 input1

53

測 試 一 ： 使用 LS 解 的 二聲 源分離結果

Input SNR (dB) Output SNR (dB) SNR Improvement (dB) Speaker 01 -11.0899 -0.1282 10.9617

Speaker 02 -6.2749 9.9726 16.2475 表 4.10 使用理論陣列拓樸向量計算 LS 解二聲源分離結果

Input SNR (dB) Output SNR (dB) SNR Improvement (dB) Speaker 01 -11.0899 2.0907 13.1806

Speaker 02 -6.2749 10.6737 16.9486 表 4.11 使用校正過之陣列拓樸向量計算 LS 解二聲源分離結果

圖 4.12 使用 Sum beamformer 的合成結果(未分離狀 態)

圖 4.13 使用 LS 解 beamformer 的聲源一分離 結果

54

55

測 試 三 ： 使用 LCMV 事 後 解 的 聲 源 分離結果

Input SNR (dB) Output SNR (dB) SNR Improvement (dB) Speaker 01 -11.0899 -2.8458 8.2441

Speaker 02 -6.2749 17.9087 24.1836 表 4.14 使用理論陣列拓樸向量計算 LCMV 解聲 源分離結果

Input SNR (dB) Output SNR (dB) SNR Improvement (dB) Speaker 01 -11.0899 6.5628 17.6527

Speaker 02 -6.2749 19.1444 25.4193 表 4.15 使用校正過之陣列拓樸向量計算 LCMV 解聲源 分離結果

圖 4.15 使用 LCMV 解 beamformer 的聲 源一分離結果

圖 4.16 使用 LCMV 解 beamformer 的聲 源二分離結果

56

從三個測試中都可以發現，使用校正過之陣列拓樸向量在進行波束形成最佳解 運算時，效果確實會有明顯的提升，輸出的聲源分離結果由人耳來做聽感評估也明 顯有所提高。測試一的二聲源分離提升效果或許不明顯，可是到了測試二的四聲源 分離時，由於空間干擾加重，角度探測的精密需求度也隨之提高，數據中可以明顯 看出使用校正過之陣列拓樸向量的優勢。

測試二做了不同 Diagonal Loading 值的觀察，不同的聲源在不同角度中的空間 特性都不盡相同，而不同的 Diagonal Loading 所建立的波束形成器權重範圍與形狀 也會有差異，實驗結果發現，不同聲源 Diagonal Loading 的最佳值雖然大致分布在 0.01~1 的區間，可是當角度估測出現誤差，再與不適當的 Diagonal Loading 建立的 波束形成器進行搭配時，就會在 Diagonal Loading 沒有選擇到最佳值時產生不佳的 分離結果。同樣情形在使用校 正過之陣列拓樸 向量時，因為角度估測準確度提升，

波束形成器的權重範圍與形狀也較符合實際空間特性，再調整 Diagonal Loading 就 沒有出現太大幅度的效果減退。

測試三是拿 LCMV 的事後解來做測試。由於 LCMV 有將輸入訊號的空間資訊 拿來當做最佳化時的考量，其排除干擾的效果是比 LS 解還要強的，可是如果在聲 源分離的過程有角度上的誤差，很容易會將目標聲源也給抵消掉，表 4.14 的聲源一 結果就是如此。而當聲源分離結果是使用校正過之陣列拓樸向量時，這樣子的情形 就不會發生，如表 4.15

。

如果使用情境是經過限制的(例如固定聲源方向、數量的事後會議紀錄)，選擇 LCMV 事後解將能輸出較高品質的語音記錄；若是使用情境的變數很多(例如不固定 聲源方位、數量、或需要即時語音處理的系統)，那選擇 LS 解將能保有較高的語音 紀錄穩健度。

57