基于卷积循环神经网络的方向到达估计的回归与分类方法
声音
2020-02-11 v3 机器学习
音频与语音处理
摘要
我们提出了一种新颖的基于学习的方法，利用通过在合成数据和笛卡尔标签上回归训练的卷积循环神经网络（CRNN）来估计声源的方向到达（DOA）。我们还描述了一种改进的方法，使用最先进的声传播算法生成合成数据以训练神经网络，这些算法对声的镜面反射和漫反射进行建模。我们将我们的模型与针对同一问题采用不同公式训练的其他三个 CRNN 进行比较：基于类别标签的分类，以及基于球坐标标签的回归。在实践中，我们的模型相比先前方法实现了高达 43% 的角度误差降低。与使用基于镜像声源方法的先前方法相比，漫反射的使用在 LOCATA 和 SOFA 数据集上分别带来了 34% 和 41% 的角度预测误差降低。我们的方法相比使用基于分类网络的先前方案还带来了额外的 3% 误差降低，并且我们使用了少 36% 的网络参数。
引用
@article{arxiv.1904.08452,
title = {Regression and Classification for Direction-of-Arrival Estimation with Convolutional Recurrent Neural Networks},
author = {Zhenyu Tang and John D. Kanu and Kevin Hogan and Dinesh Manocha},
journal= {arXiv preprint arXiv:1904.08452},
year = {2020}
}