基于全频段层和窄带U-Net的多移动声源定位（FUN-SSL）
音频与语音处理
2025-09-24 v2 信号处理
摘要
双路径处理沿时间和频谱维度在各种语音处理应用中显示出有效性。虽然利用双路径处理的声源定位（SSL）模型，如FN-SSL和IPDnet，在定位多个移动源方面表现突出，但计算开销较大。本文提出一种SSL架构，引入U-Net在多个分辨率上进行窄带处理以降低计算复杂度。该模型将IPDnet中由全频段LSTM层沿频谱维度和窄带LSTM层沿时间维度组成的全-窄网络块替换为FUN模块，即一个全频段层紧跟一个在多个尺度上集成窄带层的U-Net。除了每个U-Net内部的跳跃连接外，我们还在FUN模块之间引入跳跃连接以丰富信息。实验结果表明，所提出的FUN-SSL在计算复杂度远低于IPDnet的同时，优于先前方法。
引用
@article{arxiv.2509.17490,
title = {FUN-SSL: Full-band Layer Followed by U-Net with Narrow-band Layers for Multiple Moving Sound Source Localization},
author = {Yuseon Choi and Hyeonseung Kim and Jewoo Jun and Jong Won Shin},
journal= {arXiv preprint arXiv:2509.17490},
year = {2025}
}
备注
Submitted to ICASSP 2026