基于自组织麦克风阵列的端到端二维声源定位

传统的声源定位方法大多基于由多个麦克风组成的单一麦克风阵列，通常被表述为到达方向估计问题。本文提出一种基于深度学习的、使用自组织(ad-hoc)麦克风阵列的端到端声源定位方法，其中自组织麦克风阵列是一组随机分布且相互协作的麦克风阵列。它仅利用每个节点一个麦克风即可产生说话人的二维位置。具体而言，我们将目标室内空间划分为多个局部区域，用one-hot编码表示每个局部区域，从而节点与说话人位置均可由one-hot编码表示。相应地，声源定位问题被表述为：给定麦克风节点的one-hot编码及其语音录音，识别说话人one-hot编码的分类任务。我们为该分类问题设计了一个端到端时空深度模型，其采用时空注意力架构并在架构中间插入融合层，能够在模型训练与测试时处理任意不同数量的麦克风节点。实验结果表明，所提方法在高混响与噪声环境下取得了良好性能。