多样日常环境中移动麦克风阵列的语音检测与定位
音频与语音处理
2021-06-29 v1
摘要
联合声音事件定位与检测（SELD）是使移动机器人、智能手机和家用助手的通信接口具备情境感知能力的重要组成部分。例如，手机上用于视频拍摄的自动音频聚焦需要稳健地检测设备周围相关声学事件及其方向。现有 SELD 方法已在受控室内环境生成的材料上评估，或者音频通过将孤立声音混合到不同空间位置来模拟。本文研究多样日常环境中的语音 SELD，其中音频对应于手持移动设备的典型使用场景。为了能够对定位与检测的相对重要性进行加权，我们将提出一个两阶段分层系统，其中第一阶段检测目标事件，第二阶段对其定位。所提方法利用卷积循环神经网络（CRNN），并在来自各种声学条件的手动标注麦克风阵列录音数据库上评估。该阵列嵌入在当代手机外形中。所得结果显示，与非分层扁平分类模型相比，所提方法具有良好的语音检测与定位精度。
引用
@article{arxiv.2106.14787,
title = {Mobile Microphone Array Speech Detection and Localization in Diverse Everyday Environments},
author = {Pasi Pertilä and Emre Cakir and Aapo Hakala and Eemi Fagerlund and Tuomas Virtanen and Archontis Politis and Antti Eronen},
journal= {arXiv preprint arXiv:2106.14787},
year = {2021}
}
备注
to be published in the proceedings of the 29th European Signal Processing Conference, EUSIPCO 2021