从原始波形进行的端到端双耳声源定位
声音
2019-04-04 v1 音频与语音处理
摘要
本文提出一种新颖的端到端双耳声源定位方法，直接从波形估计声源的方位角。与双耳声源定位中常用的手工特征（如双耳时间差与声级差）不同，我们的端到端系统方法使用卷积神经网络（CNN）从波形中提取适于定位的特定特征。提出了两种系统，其初始频率分析阶段有所不同。第一种系统受听觉启发，利用 gammatone 滤波层；第二种系统完全数据驱动，利用可训练的卷积层进行频率分析。两种系统中均使用一组专用卷积核来搜索特定的定位线索，并通过全连接层与定位阶段耦合。在消声与混响环境下使用双耳仿真的定位实验表明，所提系统优于最先进的深度神经网络系统。此外，我们对第二种系统频率分析阶段的考察表明，CNN 能够根据混响环境的特性利用不同的频带进行定位。
引用
@article{arxiv.1904.01916,
title = {End-to-end Binaural Sound Localisation from the Raw Waveform},
author = {Paolo Vecchiotti and Ning Ma and Stefano Squartini and Guy J. Brown},
journal= {arXiv preprint arXiv:1904.01916},
year = {2019}
}
备注
Accepted by ICASSP 2019