基于概率神经网络的室内声源定位
声音
2018-12-05 v1 机器学习
音频与语音处理
摘要
众所周知，高混响和低信噪比（SNR）等不利环境对室内声源定位提出了巨大挑战。为应对该挑战，本文提出一种基于概率神经网络的声源定位算法，即广义互相关分类算法（GCA）。针对混响时间T60高达600ms、SNR低至-10dB的不利环境的实验结果表明，GCA的平均方位角误差与仰角误差分别仅为4.6度和3.1度。与三种近期发表的算法相比，GCA显著提高了波达方向估计的成功率，并对环境变化具有良好的鲁棒性。这些结果表明，在所提GCA中，对于可在定位阶段前研究场地声学特征的多样化室内应用，能够实现准确且鲁棒的定位。
引用
@article{arxiv.1712.07814,
title = {Indoor Sound Source Localization with Probabilistic Neural Network},
author = {Yingxiang Sun and Jiajia Chen and Chau Yuen and Susanto Rahardja},
journal= {arXiv preprint arXiv:1712.07814},
year = {2018}
}
备注
10 pages, accepted by IEEE Transactions on Industrial Electronics