Wizard Notes

Pythonを使った音楽信号分析の技術録、作曲活動に関する雑記

複数の2帯域分割(補完)フィルタを使ったマルチバンド処理のPython実装(3バンド以上)

f:id:Kurene:20210926203958p:plain:w400

以前の記事では,低域・高域を別々に処理するようなマルチバンド処理オーディオクロスオーバー)を実現するフィルタバンクの例として、2バンドの場合の実装方法を紹介しました.

www.wizard-notes.com

ただ,より実用的なプラグイン/ソフトウェアを作ることを考えると,3バンド以上に分割できることが望ましいです.

しかし,3バンド以上のフィルタバンクは2バンドの構成方法のみで作ろうとすると非常に計算効率・使い勝手が悪いです.

そこで,二分木構造の回路によるマルチバンドフィルタバンクの設計方法を紹介します.

元論文:Complementary N-Band IIR Filterbank Based on 2-Band Complementary Filters, Favrot, Alexis and Faller, Christof, IWAENC 2010 Proceedings.

ソース:N-band Linkwitz-Riley crossovers - Page 2 - DSP and Plug-in Development Forum - KVR Audio

非実用的な実装:2バンド補完フィルタの直列接続

マルチバンドフィルタバンクの最も単純な実現方法は,2バンドの補完フィルタ並列回路の直列接続です.

以前の記事にも書きましたが,2バンド補完フィルタ (H_LPn, H_HPn) において H_LPn + H_HPnはオールパスフィルタとなるため,補完フィルタの並列回路の出力の振幅は変わりません

f:id:Kurene:20210926205816p:plain:w500

しかし,バンド数だけ直列接続しているため計算効率はとても悪いです.

そのため,全ての補完フィルタを直列接続しない方法を考えていきます.

2バンド補間フィルタ x 2種による3バンドフィルタバンク設計

ダメな例

まず,単純に2バンド補間フィルタのどちらかの出力に2バンド補間フィルタを追加することを考えてみます.

f:id:Kurene:20210926211122p:plain:w500

この木構造のような回路にしていけば,計算効率は良くなりそうです.

しかし,上記回路全体の伝達関数を計算すると,実用的な振幅が変化しない回路は実現が難しいことが分かります*1

3次IIR補完フィルタ(バターワース)を使った回路全体の周波数応答を計算してみると,振幅特性が一定でないことが確認できます*2

f:id:Kurene:20210926203822p:plain:w500

オールパスフィルタによる回路全体のオールパスフィルタ化

論文で紹介されているトリックです.

2つ目の補完フィルタを追加したパスとは逆のパスに,オールパスフィルタ H_AP1 を追加します.

f:id:Kurene:20210926211948p:plain:w500

この H_AP1 は H_AP1=H_LP1 + H_HP1 を満たす、すなわち補完フィルタの並列回路と同じ位相特性を持つオールパスフィルタです.

すなわち,追加した2バンド補完フィルタの並列接続の伝達関数と位相特性が等しいオールパスフィルタを他のパスに挿入することによって,回路全体をオールパスフィルタ化できます.

実際に回路全体の周波数応答を計算してみると,振幅特性が一定となっています.

f:id:Kurene:20210926203850p:plain:w500

4バンド (AVL木)

3バンドから、さらに分割を増やしてみます.

先ほどと同様に,新たに追加した2バンド補完フィルタに対応するオールパスフィルタ H_AP2 も追加します.

f:id:Kurene:20210926212402p:plain:w500

周波数応答は以下の通りです.

f:id:Kurene:20210926203915p:plain:w500

5バンド

さらに分割を増やす(木構造を深くする)場合も,基本的にはこれまでと同様の方針でオールパスフィルタを追加していきます.

注意としては,4バンドの時は H_AP2 を1つ追加するだけでしたが,この5バンドの回路の場合は H_AP3 を2つ挿入しています。

木が深くなると,分割を増やした時に挿入するオールパスフィルタの数が増えることに注意が必要です.

f:id:Kurene:20210926212445p:plain:w500

周波数応答は以下の通りです.

f:id:Kurene:20210926203958p:plain:w500

まとめ

複数の補完フィルタを使ったマルチバンド処理のPython実装(3, 4, 5バンドの場合)を紹介しました.

木構造となっているため,そもそも単純な直列接続よりも効率が良く,また,並列化が効きやすくなると考えられます.

ただ,どうしても分割帯域数が多くなったり帯域幅が狭くなる場合は,周波数変換ベースの処理とどちらがよいのか計算コストや音質の観点で比較・検討するべきだと思います.

サンプルコード

補完フィルタのフィルタ係数・伝達関数計算

def compute_complementary_filters(fc, sr, order=3, return_coef=False):
    if order % 2 == 0:
        sys.exit()

    b, a = {}, {}
    
    # フィルタ係数・伝達関数算出(バターワースフィルタ)
    b['low'], a['low'] = scipy.signal.butter(order, fc/(sr/2), btype='low')
    w, h_lp           = scipy.signal.freqz(b['low'], a['low'])
    
    b['high'], a['high'] = scipy.signal.butter(order, fc/(sr/2), btype='high')
    w, h_hp            = scipy.signal.freqz(b['high'], a['high'])

    # 低域/高域用ハーフフィルタの並列接続時の伝達関数オールパスフィルタ
    h_ap = h_lp + h_hp
    
    if return_coef:
        return w, h_lp, h_hp, h_ap, b, a
    else:
        return w, h_lp, h_hp, h_ap

パラメタ,プロット用スクリプト

sr = 44100
#fc = [sr//8, sr//16] # (3-band)
#fc = [sr//8, sr//16, sr//4] # (4-band)
fc = [sr//8, sr//16, sr//4, sr//6] # (5-band)
n_fc = len(fc)
h_lp, h_hp, h_ap = [None] * n_fc, [None] * n_fc, [None] * n_fc

for k, tmp_fc in enumerate(fc):
    w, h_lp[k], h_hp[k], h_ap[k] = compute_complementary_filters(tmp_fc, sr)

# 回路全体の伝達関数
#h = h_lp[0] * (h_lp[1] + h_hp[1]) + h_hp[0]
#h = h_lp[0] * (h_lp[1] + h_hp[1]) + h_hp[0] * h_ap[1]
h = h_lp[0] * h_ap[2] * (h_lp[1] + h_hp[1]) + h_hp[0] * h_ap[1] * (h_lp[2] + h_hp[2])
h = h_lp[0] * h_ap[2] * h_ap[3] * (h_lp[1] + h_hp[1])\
  + h_hp[0] * h_ap[1] * h_lp[2] * (h_lp[3] + h_hp[3])\
  + h_hp[0] * h_ap[1] * h_hp[2] * h_ap[3]
  
h_all = h_lp + h_hp + [h]

labels = [f"LowPass[{k}]" for k in range(n_fc) ]\
       + [f"HighPass[{k}]" for k in range(n_fc) ]\
       + ["All"]

# plot
bode_plot(
    w, 
    h_all, 
    labels=labels,
    sr=sr,
    fc=fc, 
)

直列/並列接続の周波数応答プロット (bode_plot)

www.wizard-notes.com

参考文献

*1:この場合だと,H_LP1+H_HP1の伝達関数が振幅一定+零位相特性なら可

*2:図のAllが回路全体の周波数応答です