基于L1与L2正则化的声场估计核学习
声音
2021-10-13 v2 音频与语音处理
摘要
提出了一种从离散麦克风测量估计声场的方法。基于核插值、采用为声场插值所构造核函数的方法已用于多种应用。带方向加权的核函数可纳入关于声源方向的先验信息以提高估计精度。然而在先前研究中，方向加权参数系凭经验确定。我们提出利用观测值优化这些参数的方法，当声源方向先验信息不确定时尤为有用。所提算法基于参数离散化及将核函数表示为子核加权和。研究了权重的两种正则化类型：与。实验结果表明，所提方法较无核学习的方法实现了更高的估计精度。
引用
@article{arxiv.2110.04972,
title = {Kernel Learning For Sound Field Estimation With L1 and L2 Regularizations},
author = {Ryosuke Horiuchi and Shoichi Koyama and Juliano G. C. Ribeiro and Natsuki Ueno and Hiroshi Saruwatari},
journal= {arXiv preprint arXiv:2110.04972},
year = {2021}
}
备注
Accepted to IEEE Workshop on Applications of Signal Processing to Audio and Acoustics (WASPAA) 2021