直接路径IPD估计网络

多声源精准定位

一个可处理任意数量声源、适配未见麦克风阵列的通用直接路径相位差估计网络，从混响和噪声中稳健恢复声源方位。

Yabo, Wang · Yang, Bing · 李晓飞

IEEE/ACM Transactions on Audio Speech and Language Processing 2024

技术优势

可处理任意数量声源

多轨 DP-IPD 学习目标让网络可以同时估计多个声源的相位差，突破了传统方法对声源数量的限制。

能适应未见阵列

网络在大量不同麦克风阵列上训练后，可直接用于训练时未见过的新阵列，无需重新训练或标定。

多声源定位精准

在仿真和真实数据、多个移动说话人场景下，IPDnet 均表现出色，验证了其有效性。

应用场景

• 智能语音交互前端：为语音交互前端提供稳健的声源方向估计，在混响噪声中准确触发波束形成，提升识别率。
• 室内声源定位：在室内复杂声学环境中精准定位多个声源，适用于会议转写、安防监控等场景。
• 机器人听觉定位：赋予机器人听觉定位能力，使其在嘈杂环境中能分辨不同说话人的方向，提升人机交互体验。
• 多模态感知定位：为多模态感知系统提供可靠的声源方位信息，可与视觉等模态融合，提高整体定位精度。