面向汽车应用的实时声学感知
音频与语音处理
2023-01-31 v1
摘要
近年来，汽车产业大力推动智能汽车发展，为其配备多模态传感器以感知周边环境，从而辅助人类驾驶或做出自主决策。尽管研究重点多在于视觉传感器，但声学事件对于检测需改变驾驶行为的情况同样关键，例如汽车鸣笛或逼近的应急车辆警笛。本文总结了 Marie Sklodowska-Curie Actions（MSCA）欧洲工业博士（EID）项目“面向汽车的智能超低功耗信号处理（I-SPOT）”迄今取得的成果。在算法方面，I-SPOT 项目旨在联合开发专门面向汽车应用的麦克风阵列处理与深度学习技术，以实现环境音频信号的检测、定位与跟踪。已开发数据生成软件以覆盖 I-SPOT 目标场景与研究挑战。该工具目前正用于开发面向应急声音检测的低复杂度深度学习技术。在硬件方面，目标推动硬件—算法协同设计工作流，以简化兼具算法演进灵活性与高效性的架构生成，并提供算法决策硬件影响的快速反馈。这通过分层工作流实现，该工作流将硬件—算法设计空间划分为合理子集，并已在面向边缘设备的先进鲁棒声源定位的算子级优化上得到验证。此外，针对端到端系统的若干开放挑战已在 I-SPOT 下一阶段中明确。
引用
@article{arxiv.2301.12808,
title = {Real-Time Acoustic Perception for Automotive Applications},
author = {Jun Yin and Stefano Damiano and Marian Verhelst and Toon van Waterschoot and Andre Guntoro},
journal= {arXiv preprint arXiv:2301.12808},
year = {2023}
}