ebook img

Distributed Signal Processing Algorithms for Acoustic Sensor Networks PDF

242 Pages·2015·3.11 MB·English
Save to my drive
Quick download
Download
Most books are stored in the elastic cloud where traffic is expensive. For this reason, we have a limit on daily download.

Preview Distributed Signal Processing Algorithms for Acoustic Sensor Networks

ARENBERG DOCTORAL SCHOOL Faculty of Engineering Science Department of Electrical Engineering Distributed Signal Processing Algorithms for Acoustic Sensor Networks Joseph C. Szurley Supervisor: Dissertation presented in partial Prof. dr. ir. M. Moonen fulfillment of the requirements for the Co-supervisor: degree of Doctor in Engineering Science Prof. dr. ir. A. Bertrand June 2015 Distributed Signal Processing Algorithms for Acous- tic Sensor Networks Joseph C. SZURLEY Examination committee: Dissertation presented in partial Em. prof. dr. ir. P. Van Houtte, chair fulfillment of the requirements for Prof. dr. ir. M. Moonen, supervisor the degree of Doctor Prof. dr. ir. A. Bertrand, co-supervisor in Engineering Science Prof. dr. ir. H. Van hamme Prof. dr. ir. T. van Waterschoot Prof. dr. ir. I. Moerman (Ghent University) Prof. dr. I. Proudler (Loughborough University) Prof. dr. S. Gannot (Bar-Ilan University) June 2015 ©2015KULeuven–FacultyofEngineeringScience Uitgegevenineigenbeheer,JosephC.Szurley,KasteelparkArenberg10,bus2446,B-3001Leuven(Belgium) Allerechtenvoorbehouden. Nietsuitdezeuitgavemagwordenvermenigvuldigden/ofopenbaargemaaktworden door middel van druk, fotokopie, microfilm, elektronisch of op welke andere wijze ook zonder voorafgaande schriftelijketoestemmingvandeuitgever. Allrightsreserved. Nopartofthepublicationmaybereproducedinanyformbyprint,photoprint,microfilm, electronicoranyothermeanswithoutwrittenpermissionfromthepublisher. Abstract In recent years, there has been a proliferation of wireless devices for individual use to the point of being ubiquitous. Recent trends have been incorporating many of these devices (or nodes) together, which acquire signals and work in unison over wireless channels, in order to accomplish a predefined task. This type of cooperative sensing and communication between devices form the basis of a so-called wireless sensor network (WSN). Due to the ever increasing processing power of these nodes, WSNs are being assigned more complicated and computationally demanding tasks. Recent research has started to exploit this increased processing power in order for the WSNs to perform tasks pertaining to audio signal acquisition and processing forming so-called wireless acoustic sensor networks (WASNs). Audio signal processingposesnewanduniqueproblemswhencomparedtotraditionalsensing applications as the signals observed often have temporal characteristics that fluctuate rapidly requiring significantly faster transmission and computation speeds. In order for WASNs tocopewith theseincreaseddemands, it isincontrovertibly apparent that efficient algorithms need to be developed. These algorithms must not only be computationally efficient but must also take into consideration severalnetworkwidedesignconstraintsinordertoefficientlyallocatethelimited resources of the nodes. The main aim of this thesis is, therefore, to incorporate these constraints into the design of distributed signal processing algorithms for WASNs. The envisaged WASNs are primarily tasked with signal estimation that is exemplified by binaural noise reduction systems that utilize additional remote microphones. These systems focus on speech enhancement and noise reduction as their signal estimation task, where spatial cue preservation plays a role. The general problem statement of this thesis, the current state of the art and the mathematical framework for (distributed) signal estimation are given in the i ii ABSTRACT introductorychapters. WSNswillfirstbeintroducedinacentralizedframework, where all of the information is aggregated and processed at a central location in order to perform signal estimation, e.g., for speech enhancement. This is then extended to a distributed framework, where the processing is distributed across the nodes and where each node performs a (possible node-specific) signal estimation task. As a general aim, the distributed algorithms developed in this thesis look to perform the same estimation as in the centralized framework while reducing the amount of data exchange between the nodes. The first part of this thesis focuses on a concrete application, investigating the improvements that can be achieved in terms of noise reduction performance and spatial cue preservation by adding a single remote sensor (microphone) to a binaural noise reduction system, e.g. binaural hearing aids or cochlear implants. The increase in the noise reduction performance by the addition of a remote sensor signal serves as the motivation for later chapters where many nodes consisting of multiple sensors are available. In the case where multiple remote microphones or nodes are available, a method for choosing which (sub)set of signals or nodes should be included in the estimation for maximum benefit is also discussed. A method is introduced that uses a so-called utility measure which limits the effect of node removal and can be used to aid in node addition. While first introduced in a centralized scenario, the utility is extended to that of a distributed scenario. However, due to the distributed nature of the signal estimation, the utility is shown to represent a bound as opposed to an exact quantity in the centralized scenario. The second part of this thesis introduces linear compression and fusion rules of the distributed adaptive node-specific signal estimation (DANSE) algorithm for use in heterogeneous and mixed-topology WSNs. These mixed-topology WSNs are divided into a set of smaller substructures that are based on either clique or cluster formation. It is shown, that the nodes are able to converge to the same optimal solution as if they were to receive all of the uncompressed signals from every other node. Supporting techniques are also introduced relating to different broadcast strategies and topology formation. In the third part of this thesis, each node implements a novel method to linearly compress its sensor signals in order to transmit to the other nodes in the WSN. This leads to the introduction of the topology-independent DANSE (TI-DANSE) algorithm. While the TI-DANSE algorithm is first introduced in a fully connected topology, the convergence properties are shown to be applicable in any topology, as long as the nodes have access to a network wide summed signal. AnattractiveattributeoftheTI-DANSEalgorithmisthatsinceitrelies on a network wide summed signal, it is less sensitive to link failures and also becomes applicable in WSNs with dynamic topologies. A method to compute this network wide summed signal is proposed that relies on a maximum of two ABSTRACT iii transmissions per node. Finally, conclusions are given reiterating the contributions of the thesis as well as exploring possible future research directions. Korte Inhoud De laatste jaren is het individueel gebruik van draadloze apparaten zo sterk toegenomen, dat ze ondertussen alomtegenwoordig zijn. Deze toestellen, of nodes, verzamelen signalen en werken onderling samen over draadloze kanalen. Recente trends integreren vele van deze toestellen om een op voorhand gedefinieerde taak te volbrengen. Dit type van coöperatief meten en de communicatie tussen de toestellen vormt de basis van een zogenaamd draadloos sensornetwerk (wireless sensor network, of WSN). Ten gevolge van de eeuwig toenemende verwerkingskracht van deze nodes, worden de WSN’s beladen met steeds gecompliceerdere en computationeel veeleisendere taken. Recent onderzoek is begonnen met het uitbuiten van deze toegenomen verwerkingskracht om de WSN’s taken te laten uitvoeren met betrekking tot het verwerven en verwerken van audiosignalen. In deze context spreken we over draadloze akoestische sensornetwerken (wireless acoustic sensor networks,ofWASN’s). Audiosignaalverwerkingsteltnieuweenuniekeproblemen vergeleken met traditionele WSN-toepassingen, aangezien de geobserveerde signalen vaak snel variërende temporele karakteristieken hebben, waardoor significant snellere transmissie- en berekeningssnelheden nodig zijn. Om met deze strengere eisen voor WASN’s om te gaan, staat het onomstotelijk vast dat efficiëntere algoritmes ontwikkeld moeten worden. Deze algoritmes moeten niet enkel computationeel efficiënt zijn, maar moeten ook rekening houdenmetverscheideneontwerpbeperkingen,opgelegddoorhetnetwerk,zodat de gelimiteerde middelen van de nodes efficiënt ingezet kunnen worden. Het hoofddoel van deze thesis is daarom om deze beperkingen in het design van gedistribueerde signaalverwerkingsalgoritmes voor WASN’s te integreren. De hoofdprobleemstelling van deze thesis, de huidige state of the art en het wiskundig kader voor (gedistribueerde) signaalschatting worden behandeld in de inleidende hoofdstukken. WSN’s worden eerst geïntroduceerd in een gecentraliseerd kader waar alle informatie verzameld en verwerkt wordt in v vi KORTEINHOUD een centrale locatie om signaalschatting mogelijk te maken, bijvoorbeeld voor spraakverbeteringstoepassingen. Dit gecentraliseerd kader wordt verder uitgebreid naar een gedistribueerd kader, waar de verwerking gedistribueerd wordt over de nodes en waar elke node een (mogelijks node-specifieke) signaalschattingstaak uitvoert. Het algemene doel van de in deze thesis ontwikkelde gedistribueerde algoritmes is om dezelfde schatting als in het gecentraliseerde kader te verkrijgen, en dit aan een gereduceerde hoeveelheid data-uitwisseling tussen de nodes. Het eerste deel van deze thesis concentreert zich op een concrete toepassing en onderzoekt welke verbeteringen behaald kunnen worden op vlak van ruisonderdrukking en het behoud van spatiale cues in een binauraal ruisonder- drukkingsprobleem door het toevoegen van een enkele, (ver)afgelegen sensor (microfoon). Zulke binaurale ruisonderdrukkingsproblemen zijn belangrijk in bijvoorbeeld binaurale hoorapparaten of cochleaire implantaten. De performantietoename door het toevoegen van het signaal van een afgelegen sensor dient als motivatie voor de latere hoofdstukken waar vele nodes, die elk meerdere sensoren bevatten, beschikbaar zijn. In het geval waarbij meerdere afgelegenmicrofoonsofnodesbeschikbaarzijnwordtookeenmethodebesproken omtebepalenwelkesub(set)vandezesignalenofnodesdevoordeligstekeuzeis in het schattingsprobleem. De bruikbaarheid (utility) wordt geïntroduceerd als een manier om het effect van de verwijdering van een node te begrenzen en kan nuttig zijn bij het toevoegen van nodes. De utility, eerst geïntroduceerd voor een gecentraliseerd scenario, wordt uitgebreid voor een gedistribueerd scenario. Echter, omwille van het gedistribueerde karakter van de signaalschatting, wordt in dit geval aangetoond dat de utility een grens voorstelt eerder dan een exacte hoeveelheid zoals in het gecentraliseerde scenario. Het tweede deel van deze thesis introduceert lineaire compressie- en fusieregels voor gedistribueerde signaalschatting voor het gebruik in heterogene WSN’s en WSN’s met een gemengde topologie. Deze gemengde topologie WSN’s zijn onderverdeeldineensetvankleineresubstructurendiegebaseerdzijnopkliekjes- ofclustervorming. Erwordtaangetoonddatdenodesinstaatzijnteconvergeren naar dezelfde optimale oplossing als wanneer ze alle ongecomprimeerde signalen van elke andere node zouden ontvangen. Ondersteunende technieken worden ook geïntroduceerd betreffende verschillende broadcast strategieën en topologievormingen. In het derde deel van deze thesis implementeert elke node een nieuwe methode om zijn sensorsignalen lineair te comprimeren vooraleer naar de andere nodes in het WSN te verzenden. Dit leidt tot de introductie van het topologie- onafhankelijke gedistribueerd adaptief node-specifiek signaalschattingsalgoritme (TI-DANSE). TI-DANSE wordt eerst geïntroduceerd in een volledige verbonden topologie waarna ook aangetoond wordt dat de convergentie-eigenschappen

See more

The list of books you might like

Most books are stored in the elastic cloud where traffic is expensive. For this reason, we have a limit on daily download.