.png){kind=icon}
返回
Sound source localization based on multi-task learning and image translation network
.png){kind=icon}
PRE
AI
DOI：10.1121/10.0007133.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于监督学习的声源定位（SSL）方法在过去已被证明能够实现有前景的定位精度。本文提出了一种基于图像转换的深度神经网络（DNNs）框架MTIT（室内多任务学习与图像转换网络用于声源定位），用于预测连续空间中随机位置声源的位置。我们提取并表征声信号的空域特征，表示为每个方向的波束响应，这些响应可以指示房间内各点的声源概率。我们采用了基于多任务学习（MTL）的训练框架。我们的DNN包含一个编码器和两个解码器。编码器旨在获得输入波束频谱表面的压缩表示，而两个解码器则并行关注两个任务：一个解码器专注于解决由混响引起的多径效应，另一个解码器预测声源位置。由于这两个解码器共享相同的编码器，通过并行训练这两个解码器，共享表示得以优化。我们在模拟数据、测量脉冲响应和真实录音数据集上全面评估了本方法的定位性能，并将其与多重信号分类、相位变换导向响应功率以及一种竞争性的卷积神经网络方法进行了比较。结果表明，MTIT在动态环境中能够超越所有基线方法，同时也具有良好的泛化性能。
期刊
暂无期刊信息
机构
暂无机构信息
引用论文
暂无论文信息