利用Ac-CycleGAN对结构内部声源进行声源定位
声音
2023-12-11 v1 音频与语音处理
摘要
我们提出一种在非配对数据条件下，利用Ac-CycleGAN对结构内部声源进行声源定位的方法。该方法利用大量仿真数据和少量实际实验数据，在真实环境中定位结构内部的声源。Ac-CycleGAN生成器利用来自两个域的非配对数据，将仿真数据转换为真实数据，或反之。Ac-CycleGAN模型的判别器被设计用于区分生成器生成的转换数据与真实数据，同时预测声源的位置。在结构外部三个点测量的加速度计频谱向量作为输入数据，结构内部的声源区域作为标签。输入数据向量被垂直拼接形成图像。标签通过将结构内部划分为八个区域，并对每个区域进行独热编码来定义。因此，声源定位问题被重新定义为图像分类问题，以随机估计声源位置。我们展示了利用Ac-CycleGAN判别器对跨域非配对数据进行声源位置估计是可行的。此外，我们分析了区分数据的判别因素。当在80%的实际数据（12.5%的仿真数据）上训练时，所提模型表现出超过90%的准确率。尽管Ac-CycleGAN生成器执行的域转换过程可能存在缺陷，但判别器可以通过选择性地仅利用那些产生相对较小转换误差的特征，有效地区分转换数据和真实数据。
引用
@article{arxiv.2312.04846,
title = {Sound Source Localization for a Source inside a Structure using Ac-CycleGAN},
author = {Shunsuke Kita and Choong Sik Park and Yoshinobu Kajikawa},
journal= {arXiv preprint arXiv:2312.04846},
year = {2023}
}