使用分布式麦克风网络进行多源本地化的一种代重量重定向响应功率方法.
1National Key Laboratory of Radar Signal Processing, Xidian University, Xi'an, 710071, China.
The Journal of the Acoustical Society of America
|February 11, 2024
概括
代重权转向响应功率 (IR-SRP) 方法克服了多源本地化 (MSL) 中的"缺失峰值问题". 这种方法可以在杂,反响条件下对多个声音源进行可靠的检测.
科学领域:
- 声学 声学 在声学方面
- 信号处理 信号处理
- 机器学习 机器学习
背景情况:
- 引导响应功率 (SRP) 算法对于单源本地化是有效的,但与多源本地化 (MSL) 斗争.
- 将SRP应用于MSL的一个关键挑战是"缺失峰值问题",其中占主导地位的来源掩盖了较弱的来源,导致错过检测.
- 强大的多源本地化对于音频会议和机器人等应用程序至关重要.
研究的目的:
- 引入一种新的代重量转向响应功率 (IR-SRP) 方法,以解决多源本地化中的"缺失峰值问题".
- 在具有反响和噪声特征的具有挑战性的声学环境中增强多源本地化的稳定性.
- 在多源场景中提高源检测的准确性和完整性.
主要方法:
- 拟议的IR-SRP方法通过选择性地使用时间频率 (T-F) bins来代地改进源定位.
- 最初的TF bin选择采用了连贯性和信号与噪声比重的组合.
- 随后的代识别主导源,使用通道间相差去除它们的TF bin贡献,并定位剩余的源.
主要成果:
- IR-SRP方法有效地减轻了MSL传统SRP算法中观察到的"缺失峰值问题".
- 在模拟和测量声学环境中表现出强大的性能,包括反响和噪音.
- 实现了多个声音源的准确定位和检测,优于现有方法.
结论:
- IR-SRP方法在实际,噪音条件下为多源本地化提供了显著的进步.
- 这种方法提高了复杂声学场景中检测所有源的可靠性.
- 对于需要准确的声音源识别的现实应用,IR-SRP提供了一个有前途的解决方案.


