面向噪声鲁棒声源定位的高效 GPU 实现
声音
2025-05-09 v2 机器人学
音频与语音处理
摘要
机器人听觉系统包括声源定位（SSL）、声源分离（SSS）和自动语音识别（ASR），使机器人和智能设备获得类似人类听觉的能力。尽管具有广泛应用前景，但在 SSL 中处理多通道音频信号涉及计算密集型矩阵运算，可能阻碍在资源有限的嵌入式系统中高效部署于中央处理器（CPU）。本文介绍了一种基于 GPU 的 SSL 实现，采用广义奇异值分解基于信号分类（GSVD-MUSIC）的噪声鲁棒算法 within HARK 平台，该平台是一个开源软件套件。对于 60 通道麦克风阵列，该实现实现了显著的性能提升。在配备 NVIDIA GPU 和 ARM Cortex-A78AE v8.2 64 位 CPU 的 Jetson AGX Orin 嵌入式设备上，我们观察到 GSVD 计算速度提升了 5648.7 倍，SSL 模块提升了 10.7 倍；在配备 NVIDIA A100 GPU 和 AMD EPYC 7352 CPU 的服务器上，GSVD 计算提升了 4245.1 倍，整个 SSL 模块提升了 17.3 倍，使大型麦克风阵列的实时处理成为可能，并为后续机器学习或深度学习任务提供了充足的实时处理能力。
关键词
引用
@article{arxiv.2504.03373,
title = {An Efficient GPU-based Implementation for Noise Robust Sound Source Localization},
author = {Zirui Lin and Masayuki Takigahira and Naoya Terakado and Haris Gulzar and Monikka Roslianna Busto and Takeharu Eda and Katsutoshi Itoyama and Kazuhiro Nakadai and Hideharu Amano},
journal= {arXiv preprint arXiv:2504.03373},
year = {2025}
}
备注
6 pages, 2 figures