FAS-Conformer声源定位网络

低信噪比快速定位

通过特征聚合与状态空间建模，该网络在低信噪比下对动态声源实现高精度且低延迟的到达方向估计。

Qi, You · Huang, Qinghija Hua · Lin, Yicheng

Computer Speech and Language 2027

技术优势

低信噪比下定位更准

特征聚合模块沿时间和频率维度增强信息性时频特征，使模型在低信噪比下仍能准确捕捉声源方向。

推理速度快

Swift-Conformer结合状态空间建模与自注意力，在低复杂度下实现快速推理，适合实时声源定位。

扩大时序感受野

通过前馈压缩与时序移位操作，在不增加卷积核大小的情况下扩大时序感受野，提升长时依赖建模能力。

应用场景

• 智能语音前端：为语音增强提供实时的声源方位信息，提升复杂声学场景下的拾音质量。
• 机器人听觉：让机器人在噪声环境中快速定位说话人，改善人机交互体验。
• 无人机声学监测：在低信噪比下追踪无人机声源，适用于安防监控与空中目标探测。
• 具身智能空间感知：为具身智能体提供高效的空间听觉线索，支持在真实环境中的自主导航与交互。