サブバンド分解による非線形ビームフォーマの広帯域最適化

音響ビームフォーミングは、多チャンネル信号処理における重要な課題の一つです。従来のビームフォーマは各アプリケーションに対して解析的に設計されており、最近の非線形ビームフォーマは機械学習を用いてビームパターンを最適化しています。神経ネットワークベースのビームフォーマの概念は1990年代初頭に確立され、単一の正弦波信号で訓練された非線形ビームフォーマは特定の周波数でビームパターンを鋭くすることに成功しました。音声インターフェースなどの実用的なアプリケーションでは、音声信号を含む広帯域信号を扱わなければなりません。著者らは、300 Hzから3.4 kHzの音声帯域における神経ネットワークベースのビームフォーマの広帯域最適化を調査しましたが、低周波数帯域では鋭いメインローブが達成できませんでした。次に、長短期記憶を持つ再帰型神経ネットワークがビームパターンを鋭くすることに成功しましたが、ビームフォーマ出力に対して周波数依存の非線形歪みを引き起こしました。本論文では、サブバンド分解による非線形ビームフォーマの広帯域最適化の代替手法を提案します。フィルターバンクは広帯域信号を各サブバンドの狭帯域信号に分解しました。適切なパラメータ設定を使用して、各サブバンドでビームフォーマの最適化が行えることが確認されました。