基于扩散的声音源定位使用分布式网络的麦克风阵列
Davide Albertini1, Alberto Bernardini1, Gioele Greco1
1Dipartimento di Elettronica, Informazione e Bioingegneria, Politecnico di Milano, 20133 Milan, Italy.
Sensors (Basel, Switzerland)
|April 12, 2025
概括
本研究介绍了使用麦克风阵列进行3D声音源本地化 (SSL) 的分布式优化方法. 拟议的方法提高了准确性和稳定性,即使在连接稀疏的网络中,通过自适应地惩罚表现不佳的数组.
科学领域:
- 声学和信号处理
- 分布式系统 分布式系统
- 优化理论 优化理论
背景情况:
- 传统的3D声音源本地化 (SSL) 的麦克风阵列网络通常依赖于集中式数据处理,这给可扩展性和稳定性带来了挑战.
- 现有的方法可能会在网络连接和不同的声学条件 (如反响和信号噪声比 (SNR)) 中扎.
研究的目的:
- 重构3D声音源本地化 (SSL) 作为一个分布式优化问题,以提高网络性能.
- 为麦克风阵列网络引入和评估计算分布式的适应然后组合 (ATC) 策略.
- 开发适应性合作策略,通过惩罚表现不佳的数组来提高本地化准确性.
主要方法:
- 作为一个分布式优化问题,用麦克风阵列网络重新构建3D SSL.
- 实施一个计算分布式的适应-然后-组合 (ATC) 扩散策略.
- 开发适应性合作策略,使用基于错误和基于距离的对阵列性能处罚.
- 在模拟的声学环境中评估性能,声波和SNR水平各不相同.
主要成果:
- 拟议的分布式ATC方法实现了高定位精度和稳定性.
- 适应性合作策略有效地惩罚有害的阵列贡献,提高整体性能.
- 该方法即使在连接稀疏的网络中也表现出稳定性.
结论:
- 分布式优化框架为3D声音源本地化提供了可扩展和强大的解决方案.
- 适应性合作策略对于优化分散式麦克风阵列系统的性能至关重要.
- 这种方法在各种声条件和网络拓中保持了准确性和稳定性.
