DCASE 2021 Task 3：用于多音声事件定位与检测的光谱时间对齐特征
音频与语音处理
2022-06-07 v1 人工智能
机器学习
声音
信号处理
摘要
声事件定位与检测由声事件检测与到达方向估计两个子任务组成。声事件检测主要依赖时频模式区分不同声类，而到达方向估计利用麦克风间的幅度或相位差估计源方向。因此，往往难以同时联合训练这两个子任务。我们提出一种称为空间线索增强对数谱图(SALSA)的新特征，其在信号功率与源到达方向间具有精确的时频映射。该特征包含多通道对数谱图，并与每个时频仓上估计的直达混响比及空间协方差矩阵主特征向量的归一化版本在谱图上堆叠。在DCASE 2021带方向性干扰的声事件定位与检测数据集上的实验结果表明，基于此新特征训练的深度学习模型大幅优于DCASE挑战赛基线。我们结合了几个架构略有不同、在该新特征上训练的模型，以进一步提升DCASE声事件定位与检测挑战赛的系统性能。
引用
@article{arxiv.2106.15190,
title = {DCASE 2021 Task 3: Spectrotemporally-aligned Features for Polyphonic Sound Event Localization and Detection},
author = {Thi Ngoc Tho Nguyen and Karn Watcharasupat and Ngoc Khanh Nguyen and Douglas L. Jones and Woon Seng Gan},
journal= {arXiv preprint arXiv:2106.15190},
year = {2022}
}
备注
5 pages, Technical Report for DCASE 2021 Challenge Task 3. arXiv admin note text overlap with arXiv:2110.00275