SRP-PHAT-NET：面向语音定位的可靠性驱动深度神经网络
音频与语音处理
2025-10-28 v1
摘要
准确的Direction-of-Arrival(DOA)估计在混响环境中仍是空间音频应用的基本挑战。虽然深度学习方法在此类条件下表现出色，但通常缺乏评估其预测可靠性的机制——这对于实际部署至关重要。本文提出了SRP-PHAT-NET，一种深度神经网络框架，利用SRP-PHAT方向图作为空间特征，并内置可靠性估计。为实现有意义的可靠性评分，该模型使用以真实方向为中心的高斯加权标签进行训练。我们系统性地分析了标签平滑对准确率和可靠性的影响，证明了高斯核宽度可针对特定应用进行调优。实验结果表明，仅使用高置信度预测可显著提高定位精度，凸显了将可靠性集成到深度学习基于DOA估计中的实际优势。
引用
@article{arxiv.2510.22682,
title = {SRP-PHAT-NET: A Reliability-Driven DNN for Reverberant Speaker Localization},
author = {Bar Shaybet and Vladimir Tourbabin and Boaz Rafaely},
journal= {arXiv preprint arXiv:2510.22682},
year = {2025}
}
备注
In submission process to the IEEE Transactions on Audio, Speech and Language Processing, 2025