基于深度神经网络的混响房间距离估计及其在声传感器网络几何标定中的应用
音频与语音处理
2020-06-25 v1 声音
摘要
我们提出了一种基于深度神经网络(DNN)的混响房间距离估计方法,用于支持无线声传感器网络中的几何标定任务。来自声信号的信号扩散信息通过相干到扩散功率比进行聚合,以获得与距离相关的特征,并通过DNN将其映射为源到麦克风的距离估计。随后将该信息与来自紧凑麦克风阵列的到达方向估计相结合,以推断传感器网络的几何结构。与许多其他几何标定方法不同,所提方案仅要求传感器节点的采样时钟大致同步。在仿真中,我们表明所提出的基于DNN的距离估计器可泛化至未见的声学环境,并且能获得传感器节点位置的精确估计。
引用
@article{arxiv.2006.13769,
title = {Deep Neural Network based Distance Estimation for Geometry Calibration in Acoustic Sensor Networks},
author = {Tobias Gburrek and Joerg Schmalenstroeer and Andreas Brendel and Walter Kellermann and Reinhold Haeb-Umbach},
journal= {arXiv preprint arXiv:2006.13769},
year = {2020}
}
备注
Accepted for EUSIPCO 2020