时间卷积网络的实验性性能评估,用于汽车内的麦克风虚拟化
Alessandro Opinto1, Marco Martalò2,3, Riccardo Straccia4
1Keysight Technologies Italy S.r.l., 20127 Milan, Italy.
Sensors (Basel, Switzerland)
|August 29, 2024
概括
本研究介绍了用于汽车虚拟麦克风技术的时间卷积网络 (TCN). 即使乘客条件不同,TCN也能准确地估计驾驶员耳朵中的声音,从而优化车内音频体验.
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:
- 麦克风虚拟化旨在利用其他麦克风的数据在特定位置重建声信号.
- 现实的汽车环境由于发动机噪音,道路振动和车声学而带来复杂的声学挑战.
研究的目的:
- 在现实的汽车场景中展示麦克风虚拟化的实验结果.
- 为了评估时间卷积网络 (TCN) 的性能,用于虚拟麦克风估计.
- 为了研究神经网络的准确性和计算复杂性之间的权衡.
主要方法:
- 一个时间卷积网络 (TCN) 设计用于估计驾驶员耳朵中的声信号.
- 在B段汽车中创建了一个实验设置,以可变速度在光滑的青上记录声学数据.
- 麦克风信号被记录在两个场景:有和没有前座乘客.
主要成果:
- 在两种情景 (带/不带乘客) 中训练时,TCN表现出强大的适应不同条件.
- 该系统在估计虚拟麦克风信号方面取得了良好的平均性能.
- 一项调查确定了神经网络参数,以准确估计低计算复杂度.
结论:
- TCN是用于汽车应用中的麦克风虚拟化的可行技术.
- 拟议的方法在估计准确性和计算效率之间提供了良好的平衡.
- 这项技术有可能增强车载音频系统和驾驶员通信.
