未知环境中声事件定位与检测的回声感知自适应
音频与语音处理
2022-02-21 v1 声音
摘要
我们的目标是开发一种在未知环境中能稳健工作的声事件定位与检测 (SELD) 系统。在已知环境数据上训练的 SELD 系统，在未知环境中会因训练数据中未包含混响和噪声等环境影响而性能下降。相关任务的先前研究表明，即使没有标签，只要能获取系统将使用环境的数据，领域自适应方法就是有效的。然而，对未知环境的自适应仍然是一项困难的任务。在本研究中，我们提出了用于 SELD 的回声感知特征精炼 (EAR)，它通过测量声学回声获取未知环境的额外空间线索，从而在特征层面抑制环境影响。为了验证所提出的方法，我们录制了 FOA-MEIR，这是一个包含 100 多个环境的脉冲响应数据集。在 FOA-MEIR 上的实验表明，EAR 能有效提升 SELD 在未知环境中的性能。
引用
@article{arxiv.2202.09121,
title = {Echo-aware Adaptation of Sound Event Localization and Detection in Unknown Environments},
author = {Masahiro Yasuda and Yasunori Ohishi and Shoichiro Saito},
journal= {arXiv preprint arXiv:2202.09121},
year = {2022}
}
备注
5 pages, 3 figures, to appear in IEEE ICASSP 2022