基于图 SLAM 的多麦克风阵列联合标定与声源定位的可观测性分析
机器人学
2022-10-12 v1
摘要
多麦克风阵列在机器人听觉中有许多应用，包括声源定位、音频场景感知与分析等。然而，多麦克风阵列的精确标定仍是一项挑战，因为存在许多待辨识的未知参数，包括欧拉角、几何结构、麦克风阵列间的异步因素。本文关注利用图同步定位与建图（SLAM）进行多麦克风阵列联合标定与声源定位。通过使用费希尔信息矩阵（FIM）方法，我们聚焦于针对上述标定问题的图 SLAM 框架的可观测性分析。我们深入研究了未知参数的可辨识性，包括欧拉角、几何结构、麦克风阵列间的异步效应以及声源位置。我们建立了 FIM 和雅可比矩阵具有满列秩的必要/充分条件，这意味着未知参数的可辨识性。这些条件与声源运动的变化和麦克风阵列的配置密切相关，并具有直观的物理意义。我们还发现了若干未知参数无法唯一辨识的场景。所有理论发现均通过仿真数据加以验证。
引用
@article{arxiv.2210.05600,
title = {Observability Analysis of Graph SLAM-Based Joint Calibration of Multiple Microphone Arrays and Sound Source Localization},
author = {Yuanzheng He and Jiang Wang and Daobilige Su and Kazuhiro Nakadai and Junfeng Wu and Shoudong Huang and Youfu Li and He Kong},
journal= {arXiv preprint arXiv:2210.05600},
year = {2022}
}
备注
This paper is accepted to and going to be presented at the 2023 IEEE/SICE International Symposium on System Integrations, Atlanta, USA