超越全向：基于跨注意力的任意麦克风定向模式神经网络 Ambisonics 编码

我们提出了一种深度神经网络方法，用于将麦克风阵列信号编码为 Ambisonics，该方法可推广到具有固定麦克风数量但位置和频率依赖定向特性各异的任意麦克风阵列配置。与以往仅依赖阵列几何作为元数据的方法不同，我们的方法使用定向阵列传递函数，使能够准确表征真实世界中的阵列。所提出的体系结构为音频和定向响应分别设置编码器，通过跨注意力机制组合，从而生成与阵列无关的空间音频表示。我们在两种设置下对该方法进行评估：一种是具有复杂身体散射的移动电话，另一种是自由场条件，两者均包含变动声源数量的回声环境中。评估表明，我们的方法在准确度上优于基于常规数字信号处理的方法以及现有的深度神经网络解决方案。此外，使用阵列传递函数而非几何作为元数据输入，可在真实阵列上提高准确度。