利用平移等变神经网络扩展GCC-PHAT
音频与语音处理
2022-09-22 v1 机器学习
声音
摘要
基于麦克风阵列的说话人定位依赖于精确的时间延迟估计技术。数十年来，基于广义互相关相位变换(GCC-PHAT)的方法被广泛采用。近来，GCC-PHAT也被用作神经网络的输入特征以去除噪声与混响影响，但代价是在无噪条件下失去理论保证。我们提出一种扩展GCC-PHAT的新方法：使用平移等变神经网络对接收信号进行滤波，以保留信号中所含的时序信息。通过大量实验，我们表明我们的模型在恶劣环境中一致地降低了GCC-PHAT的误差，并在理想条件下保证精确的时间延迟恢复。
引用
@article{arxiv.2208.04654,
title = {Extending GCC-PHAT using Shift Equivariant Neural Networks},
author = {Axel Berg and Mark O'Connor and Kalle Åström and Magnus Oskarsson},
journal= {arXiv preprint arXiv:2208.04654},
year = {2022}
}
备注
Proceedings of INTERSPEECH