실시간 다중 화자 위치추정 및 추적을 위한 DP‑RTF 기반 베이지안 프레임워크

** 본 논문은 반향이 심한 실내 환경에서 움직이는 다중 화자를 실시간으로 위치추정하고 추적하는 문제를 다루며, 이를 위해 직접경로 상대전달함수(DP‑RTF)를 핵심 특징으로 채택한다. DP‑RTF는 두 마이크 채널 간 첫 번째 CTF 계수의 비율로 정의되며, 직접 경로 정보만을 강조해 반향에 대한 강인성을 제공한다. 기존의 IPD·PRP와 달리 위상 래핑 문제를 최소화하고, 다중 화자 상황에서도 유효한 특징으로 작동한다. DP‑RTF를 실시간으로 추정하기 위해 저자들은 재귀 최소제곱(RLS) 기반의 온라인 CTF 추정 알고리즘을 설계한다. 각 마이크 쌍에 대해 교차관계 방정식을 구성하고, RLS는 프레임별로 공분산 행렬을 rank‑one 업데이트 방식으로 갱신한다. 이를 통해 과거 프레임에 대한 가중치를 조절하는 forgetting factor λ를 적용해 최신 프레임에 빠르게 적응한다. 이 과정은 Sherman‑Morrison 공식을 이용해 행렬 역 연산을 회피함으로써 계산량을 크게 감소시킨다. 다음 단계는 추정된 DP‑RTF를 화자 방향에 할당하는 것이다. 저자들은 최대우도(MLE) 모델을 기반으로 지수형 기울기(Exponentiated Gradient, EG) 알고리즘을 도입한다. EG는 확률 분포 형태의 파라미터를 직접 업데이트하므로, 기존 EM 기반 배치 추정보다 연산이 가볍고 실시간 환경에 적합하다. EG는 현재 추정된 방향을 초기값으로 삼아, 관측된 DP‑RTF와의 차이를 최소화하도록 반복적으로 업데이트한다. 다중 화자 트래킹은 관측된 방향과 실제 화자 간의 할당 조합이 시간에 따라 기하급수적으로 증가한다는 점에서 계산 복잡도가 크게 증가한다. 이를 해결하기 위해 베이지안 프레임워크를 설정하고, 변분 추정을 통해 사후 필터링 분포를 근사한다. 변분 EM(VEM) 알고리즘은 E‑step에서 관측‑화자 할당 확률(α), 상태 공분산(Γ), 상태 평균(µ)을 계산하고, M‑step에서 상태 전이 공분산(Λ)을 업데이트한다. 이 과정은 닫힌 형태의 식으로 구현돼 실시간 처리에 적합하다. 또한 화자 수가 시간에 따라 변할 수 있다는 현실을 반영해 ‘birth process’를 설계한다. 새로운 화자가 등장하면 후보 방향 집합에 추가하고, 초기 상태를 적절히 설정해 트랙을 시작한다. 반대로 할당 확률이 지속적으로 낮아지는 화자는 자동으로 트랙에서 제거된다. 실험은 두 개의 실제 녹음 데이터셋(하나는 회의실, 다른 하나는 복도)에서 수행되었다. 각 데이터셋은 다중 마이크 어레이(4~8채널)와 다양한 반향 시간(T₆₀)을 포함한다. 평가 지표는 평균 방위각 오차와 화자 검출 정확도이며, 제안 방법은 기존 SRP‑P, MUSIC, 그리고 DP‑RTF 기반 배치 방법에 비해 10~15도 정도의 오차 감소와 높은 검출률을 기록했다. 특히 반향이 강한 환경(T₆₀ ≈ 800 ms)에서도 안정적인 추적이 가능했으며, 프레임당 연산 시간은 10 ms 이하로 실시간 요구사항을 충족했다. 결론적으로, 이 논문은 (1) 반향에 강인한 DP‑RTF 특징, (2) 온라인 RLS 기반 빠른 DP‑RTF 추정, (3) EG를 이용한 실시간 방향 할당, (4) 변분 베이지안 트래킹과 동적 birth 프로세스를 결합한 통합 프레임워크를 제시함으로써, 실내 다중 화자 로컬라이제이션 및 트래킹 분야에 중요한 기술적 진보를 제공한다. 향후 연구에서는 더 많은 마이크 채널을 활용한 스케일링, 비정상적 잡음 환경에 대한 강인성 강화, 그리고 딥러닝 기반 사전 모델과의 융합 가능성을 탐색할 수 있다. **