基于谱分解和空间似然模型的室内环境声无基础设施定位
音频与语音处理
2024-03-27 v1 声音
摘要
使用附着的传感器单元进行人员和/或资产跟踪有助于理解其活动。大多数用于人体跟踪技术的常见室内定位方法需要昂贵的基础设施、部署和维护。为了克服这个问题，环境声已被用于无基础设施的定位。虽然它们实现了房间级别的分类，但存在两个问题：低信噪比（SNR）条件和覆盖区域内声音的非唯一性。提出了一种使用监督谱分解和空间似然的麦克风定位方法来解决这些问题。所提出的方法在一个尺寸为 12 x 30 m 的实验房间内使用实际录音进行了评估。结果表明，与简单特征（梅尔频率倒谱系数：MFCC）相比，使用监督 NMF 的所提方法在低 SNR 条件下具有鲁棒性。此外，所提出的方法可以轻松地与可从其他贝叶斯定位获得的先验分布集成。所提出的方法可用于评估来自环境声的空间似然。
引用
@article{arxiv.2403.17402,
title = {Infrastructure-less Localization from Indoor Environmental Sounds Based on Spectral Decomposition and Spatial Likelihood Model},
author = {Satoki Ogiso and Yoshiaki Bando and Takeshi Kurata and Takashi Okuma},
journal= {arXiv preprint arXiv:2403.17402},
year = {2024}
}
备注
6 pages, 6 figures, accepted to IEEE/SICE SII 2023