多说话人跟踪中空间与频谱信息的重要性
音频与语音处理
2024-10-16 v1 声音
摘要
基于麦克风阵列录制的多说话人定位与跟踪在广泛的应用场景中具有重要意义。多说话人跟踪的一个挑战是将方向估计与正确的说话人关联起来。大多数现有关联方法仅依赖空间或频谱信息中的一种，导致当其中一种信息渠道部分缺失或不可用时性能下降。本文研究了一种基于联合概率数据关联（JPDA）的方法，通过联合空间-频谱信息实现关联。该方法通过整合基于频谱信息估计的说话人时频（TF）掩码，来计算关联概率。实验研究表明，在LOCATA挑战赛的数据上测试后，采用联合空间-频谱信息进行关联可显著提升跟踪性能。
引用
@article{arxiv.2410.11453,
title = {The importance of spatial and spectral information in multiple speaker tracking},
author = {Hanan Beit-On and Vladimir Tourbabin and Boaz Rafaely},
journal= {arXiv preprint arXiv:2410.11453},
year = {2024}
}