Advances in blind multichannel Wiener filtering of noisy speech
Philipp Thüne · Dokumentenrepositorium der RUB (Ruhr University Bochum) · 2017
Im Umfeld der mehrkanaligen Sprachsignalverbesserung bildet den Kern der vorliegenden Arbeit ein neuartiges, zweistufiges Schätzverfahren für die Spektralverbesserung im mehrkanaligen Wiener-Filter, das sogenannte Postfilter. Im ersten Schritt wird ein einfaches statistisches Modell der Mikrofonsignale vorgestellt und maximum-likelihood (ML) optimale Schätzer für die Sprach- und Störsignalleistungsdichtespektren werden hergeleitet. Aus diesen ML-optimalen Schätzungen wird anschließend ein ML-basiertes Postfilter gebildet. Im zweiten Schritt wird das ML-basierte Postfilter selbst als statistische Größe aufgefasst. Die Modellierung seiner Verteilung in Form einer Postfilter-Likelihood und das Einführen einer A-priori-Verteilung des idealen Wiener-Postfilters ermöglichen eine Bayes’sche Korrektur der geschätzten Postfilter-Werte. Diese Bayes-Verfeinerung wird als Erweiterung des ML-basierten Postfilters in Form einer vorberechneten Nachschlagetabelle umgesetzt.