Die Neural-SRP-Methode zur positionsabhängigen Lokalisierung von Schallquellen

Steered Response Power (SRP) ist eine weit verbreitete Methode zur Lokalisierung von Schallquellen mit Mikrofonarrays, die in vielen praktischen Szenarien eine zufriedenstellende Lokalisierungsleistung zeigt. Allerdings wird ihre Leistung in stark hallenden Umgebungen verringert. Obwohl zuvor vorgeschlagene tiefe neuronale Netze (DNNs) entwickelt wurden, um diese Einschränkung zu überwinden, sind die meisten für eine bestimmte Anzahl von Mikrofonen mit festen räumlichen Koordinaten trainiert. Dies schränkt ihre praktische Anwendung in Szenarien ein, die häufig in drahtlosen akustischen Sensornetzwerken beobachtet werden, wo jede Anwendung eine ad-hoc Mikrofontopologie hat. Wir schlagen Neural-SRP vor, ein DNN, das die Flexibilität von SRP mit den Leistungsvorteilen von DNNs kombiniert. Wir trainieren unser Netzwerk mit simulierten Daten und Transferlernen und bewerten unseren Ansatz mit aufgezeichneten und simulierten Daten. Die Ergebnisse bestätigen, dass die Lokalisierungsleistung von Neural-SRP die Baseline-Ergebnisse signifikant übertrifft.