聚合多尺度相位信息以降低基于 CNN 的 DOA 估计计算成本
音频与语音处理
2019-12-18 v1 机器学习
声音
摘要
在近期一项利用卷积神经网络(CNN)进行多说话人波达方向(DOA)估计的工作中,将麦克风信号短时傅里叶变换(STFT)系数的相位分量作为输入,并使用小尺寸滤波器来学习相邻麦克风间的相位关系。由于所选滤波器尺寸,对于含 M 个麦克风的阵列,需 个卷积层方能达到最佳性能。对于麦克风数量众多的阵列,该要求导致高昂计算成本,使方法在实际中不可行。本文中,我们提议在先前提出的 CNN 各卷积层中系统性膨胀卷积滤波器,以扩展滤波器感受野,从而降低方法计算成本。我们探讨了针对特定麦克风阵列扩展滤波器感受野的不同策略。通过对不同策略的实验分析表明,激进扩展策略可大幅降低计算成本,而相对渐进的感受野扩展在降低计算成本的同时展现出最佳的 DOA 估计性能。
引用
@article{arxiv.1811.08552,
title = {Multi-scale aggregation of phase information for reducing computational cost of CNN based DOA estimation},
author = {Soumitro Chakrabarty and Emanuël A. P. Habets},
journal= {arXiv preprint arXiv:1811.08552},
year = {2019}
}
备注
arXiv admin note: text overlap with arXiv:1807.11722