[論文レビュー] Reflection-Aware Sound Source Localization

Inkyu An, Myungbae Son+2 more|arXiv (Cornell University)|Nov 21, 2017

Indoor and Outdoor Localization Technologies参考文献 24被引用数 3

ひとこと要約

本稿では、逆音響ルーティングとモンテカルロ局在化を用いて直接音線と反射音線の両方をモデル化する、反射を考慮した3次元音源局在化手法を提案する。7m×7m×3mの部屋において、移動する音源や視界遮断状態の下でも平均局在誤差0.8mを達成した。直接音線のみを用いる手法に比べ、高次反射を組み込むことで精度が40%向上した。

ABSTRACT

We present a novel, reflection-aware method for 3D sound localization in indoor environments. Unlike prior approaches, which are mainly based on continuous sound signals from a stationary source, our formulation is designed to localize the position instantaneously from signals within a single frame. We consider direct sound and indirect sound signals that reach the microphones after reflecting off surfaces such as ceilings or walls. We then generate and trace direct and reflected acoustic paths using inverse acoustic ray tracing and utilize these paths with Monte Carlo localization to estimate a 3D sound source position. We have implemented our method on a robot with a cube-shaped microphone array and tested it against different settings with continuous and intermittent sound signals with a stationary or a mobile source. Across different settings, our approach can localize the sound with an average distance error of 0.8m tested in a room of 7m by 7m area with 3m height, including a mobile and non-line-of-sight sound source. We also reveal that the modeling of indirect rays increases the localization accuracy by 40% compared to only using direct acoustic rays.

研究の動機と目的

• 障害物や視界遮断状態がある複雑な屋内環境における正確な3次元音源局在化の課題に対処すること。
• 連続信号と視線による伝搬に依存する従来のTDOAベース手法の限界を克服すること。
• 音響ルーティングを用いて直接音線と反射音線の両方の伝播経路をモデル化することで、局在精度を向上させること。
• 信号の時間的・空間的積算を必要とせず、1フレームの信号入力からのリアルタイム局在化を可能とすること。
• 動的屋内シーンにおける途切れ発生・移動・遮断音源をサポートすること。

提案手法

• 本手法はボクセルベースのオクテーブリを用いて、部屋の幾何構造を表現することで屋内環境を再構築する。
• TDOAに基づく方向推定を用いて、マイクロホンアレイ信号から直接音線および反射音線の伝播経路を逆音響ルーティングで生成する。
• 反射音線は壁や天井に対して複数回の跳ね返り（最大4次反射まで）を経て追跡され、鏡面反射を模擬する。
• モンテカルロ局在化を適用し、トレースされた音響経路に沿って可能な音源位置をサンプリングすることで3次元音源位置を推定する。
• アルゴリズムはパーティクルフィルタを用いて音源を追跡し、予測された音線経路と信号の一貫性に基づいて尤度を計算する。
• 本手法は信号の積算を必要とせず、1フレームの音声入力で動作するため、信号の蓄積なしにリアルタイム性能を達成できる。

実験結果

リサーチクエスチョン

• RQ1 1フレームで反射を考慮した音源局在化手法は、障害物がある複雑な屋内環境でも高い精度を達成できるか？
• RQ2 直接音線のみではなく高次反射をモデル化することで、局在精度はどの程度向上するか？
• RQ3 直接音線が遮断された場合、移動または途切れ発生する音源をどの程度正確に局在化できるか？
• RQ4 遮断状態にある非視線条件（LOS非適合）下でも、本手法はどの程度の性能を示すか？
• RQ5 計算コストと精度のバランスを考慮した場合、反射の最大次数として最適な値は何か？

主な発見

• 7 m × 7 m × 3 m の部屋において、移動音源や遮断状態の下でも平均局在誤差は0.8 mにとどまる。
• 反射音線を組み込むことで、直接音線のみを用いる手法に比べて局在精度が40%向上した。
• 障害物がある左側では平均誤差0.7 m、右側では0.3 mであり、困難な条件下でも高い耐性を示した。
• 5秒ごとに発音を切り替える途切れ発生信号に対しても、平均誤差は0.66 m、標準偏差0.29 mであり、非連続音源に対しても優れた性能を示した。
• 4次反射までの反射を考慮することで、特に障害物影響を受ける側で顕著な精度向上が得られ、最大反射次数を4に設定することが妥当であることを裏付けた。
• パーティクルフィルタの決定要因は0.1未満であり、局在推定の収束が安定していることを示している。