基于低秩与稀疏插值的可扩展复杂度导向响应功率映射
音频与语音处理
2024-11-25 v2 信号处理
摘要
导向响应功率（SRP）是一种计算声学场景映射的流行方法，通常用于声源定位。SRP图作为波束成形器朝向候选位置网格导向的频率加权输出功率获得。由于在所有频率 bin 上对精细网格的穷举搜索，传统的基于频域的SRP（conv. FD-SRP）导致高计算复杂度。基于时域的SRP（conv. TD-SRP）实现利用逆快速傅里叶变换（iFFT）以精度为代价降低计算复杂度。在本文中，为相比 conv. FD-SRP 与 conv. TD-SRP 实现更有利的复杂度-性能权衡，我们考虑以可扩展计算代价在整个搜索空间上构建精细SRP图的问题。我们提出两种解决该问题的方法。将 conv. FD-SRP 图表达为频域GCC的矩阵变换，我们将SRP矩阵分解为采样矩阵与插值矩阵。虽然采样可由 iFFT 实现，我们提议使用插值矩阵的最优低秩或稀疏近似以降低复杂度。所提方法称为采样+低秩插值SRP（SLRI-SRP）与采样+稀疏插值SRP（SSPI-SRP），在以语音为源信号的各种定位场景中被评估并与最先进水平比较。结果表明，若使用大阵列孔径，SSPI-SRP 表现更优，而 SLRI-SRP 在小阵列孔径或大量麦克风时表现更优。与 conv. FD-SRP 相比，可实现两到三个数量级的复杂度降低，通常相比 conv. TD-SRP 实现更有利的复杂度-性能权衡。一个 MATLAB 实现可在线获取。
引用
@article{arxiv.2306.08514,
title = {Scalable-Complexity Steered Response Power Mapping based on Low-Rank and Sparse Interpolation},
author = {Thomas Dietzen and Enzo De Sena and Toon van Waterschoot},
journal= {arXiv preprint arXiv:2306.08514},
year = {2024}
}