Distributed Signal Processing Algorithms for Acoustic Sensor Networks

242 Pages·2015·3.11 MB·English

by  Joseph C. Szurley

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