基于SLAM的多异步麦克风阵列联合标定与声源定位
机器人学
2024-05-31 v1
摘要
具有多个麦克风阵列的机器人听觉系统在实践中具有许多应用。然而，多个麦克风阵列的精确标定仍然具有挑战性，因为有许多未知参数需要识别，包括麦克风阵列之间的相对变换（即方向、平移）和异步因素（即初始时间偏移和采样时钟差异）。为了应对这些挑战，在本文中，我们采用批处理同时定位与地图构建（SLAM）进行多异步麦克风阵列的联合标定和声源定位。使用Fisher信息矩阵（FIM）方法，我们首先对上述标定问题进行可观测性分析（即参数可识别性），并建立了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识别性。我们还发现了未知参数不是唯一可识别的几种场景。随后，我们提出了一种有效的框架来初始化未知参数，该框架用作批处理SLAM中多麦克风阵列标定的初始猜测，旨在进一步提高优化精度和收敛性。进行了大量的数值仿真和真实实验来验证所提出方法的性能。实验结果表明，与使用噪声污染的未知参数真实值作为优化初始猜测的方法以及其他现有框架相比，所提出的流程实现了更高的精度和更快的收敛。
引用
@article{arxiv.2405.19813,
title = {SLAM-based Joint Calibration of Multiple Asynchronous Microphone Arrays and Sound Source Localization},
author = {Jiang Wang and Yuanzheng He and Daobilige Su and Katsutoshi Itoyama and Kazuhiro Nakadai and Junfeng Wu and Shoudong Huang and Youfu Li and He Kong},
journal= {arXiv preprint arXiv:2405.19813},
year = {2024}
}
备注
This paper was accepted to and going to appear in the IEEE Transactions on Robotics