Robust microphone array signal processing against diffuse noise

We consider the general problem of microphone array signal processing in diffuse noise environments. This has various applications epitomized by speech enhancement and robust Automatic Speech Recognition (ASR) for microphone arrays. Diffuse noise arriving from almost all directions is often encountered in the real world, and has been one of the major obstacles against successful application of existing noise suppression and Direction-Of-Arrival (DOA) estimation techniques. We operate in the time-frequency domain, where signal and noise are assumed to be zero-mean Gaussian and modeled by their respective covariance matrices. Firstly, we introduce a general linear subspace model of the noise covariance matrix that extends three state-of-the-art models, and introduce a fourth more flexible real-valued noise covariance model. We experimentally assess the fit of each model to real-world noise. Secondly, we apply this general model to the task of diffuse noise suppression with a known target steering vector. In the state-of-the-art Wiener post-filtering approach, it is essential to accurately estimate the target power spectrogram. We propose a unified estimation framework applicable to the general noise model, which is based on projecting the observed covariance matrix onto the orthogonal complement of the noise model subspace. Ideally, this projection is noise-free, and enables accurate estimation of the target power spectrogram. The proposed framework for noise suppression is assessed through experiments with realworld noise. Thirdly, we address the task of DOA estimation of multiple sources. The performance of the state-of-the-art MUltiple SIgnal Classification (MUSIC) algorithm is known to degrade in the presence of diffuse noise. In order to mitigate this effect, we estimate the signal covariance matrix and subsequently apply MUSIC to it. The estimation relies on the abovementioned noise-free component of the observed covariance matrix and on the reconstruction of the remaining component belonging to the noise subspace. We design two alternative algorithms based on low-rank matrix completion and trace-norm minimization that exploit the low-rankness and the positive semidefiniteness of the signal covariance matrix. The performance of the proposed method with each noise model was compared using a large database we created. Finally, we present a unified framework applicable to the general noise model for diffuse noise suppression with an unknown target steering vector. This is important for effective noise suppression in the real-world, because the steering vector is usually not accurately known in practice. We jointly estimate the target steering vector and the target power spectrogram for designing the beamformer and the Wiener post-filter. The estimation is based on rank-1 completion and Principal Component Analysis (PCA). The proposed framework is shown to enable more effective noise suppression improving the SNR by about 7dB, compared to the state-of-the-art Independent Vector Analysis (IVA).Nous étudions le problème général du traitement d'antennes de microphones dans des environnements contenant du bruit diffus. Ce problème a plusieurs applications incarnées par le rehaussement et la reconnaissance robuste de la parole. Du bruit diffus provenant de nombreuses directions à la fois est souvent rencontré dans les situations réelles et il forme un obstacle majeur à l'application des techniques existantes de localisation et de réhaussement de sources. Nous opérons dans le domaine temps-fréquence, où la cible et le bruit sont gaussiens de moyenne nulle et modélisés par leurs matrices de covariance. Premièrement, nous introduisons un modèle général de sous-espace linéaire de la matrice de covariance du bruit qui généralise trois modèles de l'état de l'art et nous proposons un quatrième modèle de covariance à valeur réelle plus flexible. Nous mesurons expérimentalement l'adéquation de ces modèles à des signaux de bruits réels. Deuxièmement, nous appliquons ce modèle général à la tâche de débruitage pour une cible de vecteur de direction connu. Dans l'approche de l'état de l'art par formation de voies et post-filtrage de Wiener, il est essentiel d'estimer précisément le spectre de puissance à court terme de la cible. Nous proposons un algorithme pour l'estimation de ce spectre basé sur la projection de la matrice de covariance observée sur le complément orthogonal du sous-espace de la matrice de covariance du bruit. La composante résultant de cette projection est idéalement non contaminée par le bruit, ce qui permet une estimation plus précise du spectre de puissance de la cible. Nous évaluons expérimentalement la performance de débruitage avec des signaux de bruits réels. Troisièmement, nous étudions la tâche de localisation de sources multiples. Afin d'atténuer la dégradation de performance de l'algorithme de l'état de l'art MUltiple SIgnal Classification (MUSIC) en présence de bruit diffus, nous estimons la matrice de covariance de la cible et appliquons MUSIC à cette matrice. Cette estimation repose sur la composante non bruitée de la matrice de covariance de la cible estimée ci-dessus par projection et sur la reconstruction de la composante manquante par des techniques de complétion de matrice. Nous proposons deux algorithmes alternatifs basés sur une approximation de rang faible et sur la minimisation de la norme trace en exploitant le faible rang et la nature hermitienne définie semi-positive de la matrice de covariance du signal. Nous comparons la performance de ces deux algorithmes pour les quatre modèles de bruit sur un corpus que nous avons créé. Enfin, nous présentons un algorithme général pour le débruitage d'une source cible dont le vecteur de direction est inconnu. Cette tâche est importante dans un environnement réel, car le vecteur de direction n'est généralement pas connu précisément en pratique. Nous estimons conjointement le vecteur de direction et le spectre de puissance à court terme de la cible pour effectuer la formation de voies et le post-filtrage de Wiener. L'estimation repose sur une complétion de matrice de rang 1 et sur une analyse en composantes principales (ACP). L'algorithme proposé améliore la rapport signal-à-bruit (RSB) de 7 dB environ par rapport à l'algorithme de l'état de l'art d'analyse en vecteurs indépendants (AVI)