基于一阶Ambisonics域空间增强的DNN到达方向估计
音频与语音处理
2019-10-11 v1 机器学习
声音
机器学习
摘要
在本文中，我们提出一种用于训练到达方向(DOA)估计神经网络的新颖数据增强方法。该方法聚焦于扩展数据集中 DOA 子空间的表示。给定一些输入数据，它对其施加变换以改变其 DOA 信息并模拟新的潜在未见过的信息。此类变换一般是旋转与反射的组合。由于一阶 Ambisonics (FOA) 的已知性质，可施加此类变换。为保持输入数据与目标标签间的一致性，相同变换也施加于标签。我们提出三种具有不同一般性的方法来应用此增强原理。在两个不同 DOA 网络上进行实验。两项实验的结果均表明该新颖增强策略通过将 DOA 误差改善约 40% 而有效。
引用
@article{arxiv.1910.04388,
title = {First Order Ambisonics Domain Spatial Augmentation for DNN-based Direction of Arrival Estimation},
author = {Luca Mazzon and Yuma Koizumi and Masahiro Yasuda and Noboru Harada},
journal= {arXiv preprint arXiv:1910.04388},
year = {2019}
}
备注
5 pages, to appear in DCASE 2019