基于麦克风阵列音频输入的活跃说话人检测与定位
音频与语音处理
2023-07-28 v1 信号处理
摘要
本研究考虑从麦克风阵列采集的多通道音频中检测并定位活跃说话人水平位置的问题。我们称之为活跃说话人检测与定位（ASDL）。我们的目标是研究从多通道音频提取的空间声学特征作为卷积循环神经网络（CRNN）输入时的性能，涉及所用通道数与加性噪声。为此，我们进行了实验以比较广义互相关相位变换（GCC-PHAT）、空间线索增强对数谱图（SALSA）特征以及一种近期提出的波束成形方法，评估它们对不同噪声强度的鲁棒性。通过从 16 麦克风阵列中取子集测试了阵列孔径与采样密度。结果与统计显著性检验证明了麦克风对 TragicTalkers 数据集上性能的贡献，该数据集为未来研究音视频方法提供了机会。
引用
@article{arxiv.2307.14739,
title = {Audio Inputs for Active Speaker Detection and Localization via Microphone Array},
author = {Davide Berghi and Philip J. B. Jackson},
journal= {arXiv preprint arXiv:2307.14739},
year = {2023}
}