基于二十面体CNN的声源波达方向估计
音频与语音处理
2022-12-07 v2 机器学习
声音
信号处理
摘要
本文提出一种基于二十面体卷积神经网络（CNN）的声源波达方向（DOA）估计新模型，该网络作用于由麦克风阵列接收信号计算的SRP-PHAT功率图。此二十面体CNN对二十面体的60个旋转对称等变，可良好近似球旋转的连续空间，且可使用标准2D卷积层实现，计算代价低于多数球面CNN。此外，我们在二十面体卷积后不使用全连接层，而是提出一种新的soft-argmax函数，可视为argmax函数的可微版本，并允许我们将DOA估计作为回归问题求解，将卷积层输出解释为概率分布。我们证明，使用契合问题等变性的模型能以更低计算代价与更强鲁棒性优于其他SOTA模型，即使在混响时间为1.5 s的场景下也获得低于10{\deg}的均方根定位误差。
引用
@article{arxiv.2203.16940,
title = {Direction of Arrival Estimation of Sound Sources Using Icosahedral CNNs},
author = {David Diaz-Guerra and Antonio Miguel and Jose R. Beltran},
journal= {arXiv preprint arXiv:2203.16940},
year = {2022}
}
备注
The code to reproduce this work can be found in our GitHub repository: https://github.com/DavidDiazGuerra/icoDOA