混响环境中多移动说话人的在线定位与跟踪
声音
2019-04-11 v3 音频与语音处理
摘要
我们解决了混响环境中多移动说话人的在线定位与跟踪问题。本文具有以下贡献。我们使用直接路径相对传递函数（DP-RTF），这是一种对混响具有鲁棒性的编码声学信息的通道间特征，并提出了一种非常适合估计与移动音频源相关联的 DP-RTF 的在线算法。所提方法的另一个关键要素是其能够正确将 DP-RTF 分配给音频源方向。为此，我们采用最大似然公式，并提议使用指数梯度（EG）从当前可用值出发高效更新源方向估计。多说话人跟踪问题在计算上难以处理，因为观测到的源方向与物理说话人之间可能的关联数随时间呈指数增长。我们采用贝叶斯框架，并提出了与多说话人跟踪相关的后验滤波分布的变分近似，以及一种高效的变分期望最大化（VEM）求解器。所提出的在线定位与跟踪方法通过使用两个包含在真实环境中录制数据的数据集进行了全面评估。
引用
@article{arxiv.1809.10936,
title = {Online Localization and Tracking of Multiple Moving Speakers in Reverberant Environments},
author = {Xiaofei Li and Yutong Ban and Laurent Girin and Xavier Alameda-Pineda and Radu Horaud},
journal= {arXiv preprint arXiv:1809.10936},
year = {2019}
}
备注
IEEE Journal of Selected Topics in Signal Processing, 2019