IPDnet：用于声源定位的通用直接路径IPD估计网络
音频与语音处理
2024-05-14 v1 声音
摘要
提取直接路径空间特征是声源定位在恶劣声学环境中的关键步骤。本文提出了IPDnet，这是一个用于从麦克风阵列信号估计声源直接路径间通道相位差 (DP-IPD) 的神经网络。估计的DP-IPD可基于已知的麦克风阵列几何信息轻松转换为源位置。首先，提出了一种用于DP-IPD估计的全带宽和窄带融合网络，其中交替使用的窄带层和全带宽层分别负责估计一个频率带中的粗略DP-IPD信息以及捕获DP-IPD的频率相关性。其次，提出了一种新的多轨DP-IPD学习目标，用于灵活声源数量的定位。第三，在训练后，IPDnet可以处理具有不同通道数和阵列拓扑的可变麦克风阵列。针对模拟数据和真实世界数据进行了多移动说话人定位实验，结果表明，所提出的全带宽和窄带融合网络以及提出的多轨DP-IPD学习目标一起实现了优异的声源定位性能。而且，所提出的可变阵列模型对未见过的麦克风阵列也表现出良好的泛化能力。
引用
@article{arxiv.2405.07021,
title = {IPDnet: A Universal Direct-Path IPD Estimation Network for Sound Source Localization},
author = {Yabo Wang and Bing Yang and Xiaofei Li},
journal= {arXiv preprint arXiv:2405.07021},
year = {2024}
}