利用深度神经网络与头部运动在混响环境中实现多声源鲁棒双耳定位
音频与语音处理
2019-04-08 v1 声音
摘要
本文提出了一种新颖的机器听觉系统，其利用深度神经网络(DNN)与头部运动在混响环境中实现多声源的鲁棒双耳定位。DNN 用于学习声源方位角与双耳线索之间的关系，双耳线索由完整的互相关函数(CCF)和双耳声级差(ILD)组成。与许多先前的双耳听觉系统不同，所提方法不限于前半空间声源的定位。由于前半与后半空间中双耳线索的相似性，常发生前后混淆。为此，在定位模型中引入了头部运动策略以帮助减少前后误差。将所提 DNN 系统与基于高斯混合模型(GMM)、采用双耳时间差(ITD)和 ILD 作为定位特征的系统进行比较。我们的实验表明，DNN 能够利用 CCF 中 ITD 线索所不具备的信息，结合头部运动，在存在多个说话人与房间混响的挑战性声学场景下大幅提高了定位精度。
引用
@article{arxiv.1904.03001,
title = {Exploiting Deep Neural Networks and Head Movements for Robust Binaural Localisation of Multiple Sources in Reverberant Environments},
author = {Ning Ma and Tobias May and Guy J. Brown},
journal= {arXiv preprint arXiv:1904.03001},
year = {2019}
}
备注
10 pages