مقاله تخمین DOA قوی با استفاده از تصویربرداری عمیق صوتی

چکیده

Direction of arrival estimation (DoAE) aims at tracking a sound in azimuth and elevation. Recent advancements include data-driven models with inputs derived from ambisonics intensity vectors or correlations between channels in a microphone array. A spherical intensity map (SIM), or acoustic image, is an alternative input representation that remains underexplored. SIMs benefit from high-resolution microphone arrays, yet most DoAE datasets use low-resolution ones. Therefore, we first propose a super-resolution method to upsample low-resolution microphones. Next, we benchmark DoAE models that use SIMs as input. We arrive to a model that uses SIMs for DoAE estimation and outperforms a baseline and a state-of-the-art model. Our study highlights the relevance of acoustic imaging for DoAE tasks.

چکیده به فارسی (ترجمه ماشینی)

جهت تخمین ورود (DOAE) با هدف ردیابی صدا در آزیموت و ارتفاع انجام می شود.پیشرفت های اخیر شامل مدل های داده محور با ورودی های حاصل از بردارهای شدت Ambisonics یا همبستگی بین کانال ها در یک آرایه میکروفون است.نقشه شدت کروی (SIM) یا تصویر آکوستیک ، بازنمایی ورودی جایگزین است که باقی مانده است.SIMS از آرایه های میکروفون با وضوح بالا بهره مند می شود ، اما بیشتر مجموعه داده های DOAE از نمونه های با وضوح پایین استفاده می کنند.بنابراین ، ما ابتدا یک روش فوق العاده با وضوح را برای نمونه برداری از میکروفن های با وضوح پایین پیشنهاد می کنیم.در مرحله بعد ، ما مدلهای DOAE را معیار می کنیم که از SIMS به عنوان ورودی استفاده می کنند.ما به مدلی می رسیم که از Sims برای تخمین DOAE استفاده می کند و از یک مدل پایه و یک مدل پیشرفته بهتر عمل می کند.مطالعه ما اهمیت تصویربرداری آکوستیک را برای کارهای DOAE برجسته می کند.