[论文解读] An Automatic System for Acoustic Microphone Geometry Calibration based on Minimal Solvers

Zhayida Simayijiang, Simon Segerblom Rex+3 more|arXiv (Cornell University)|Oct 7, 2016

Indoor and Outdoor Localization Technologies参考文献 23被引用 8

一句话总结

本文提出了一种利用最小化求解器和基于RANSAC的鲁棒估计方法，实现对声学麦克风几何结构的自动校准，能够在无源运动或几何结构先验知识的情况下，同时定位麦克风、声源和反射平面，适用于混响环境。该方法通过使用GCC-PHAT进行时延差（TDOA）检测，并利用最小化求解器解决麦克风与声源位置未知的鸡肋问题，实现了亚毫米级精度（标准差3.7毫米）。

ABSTRACT

In this paper, robust detection, tracking and geometry estimation methods are developed and combined into a system for estimating time-difference estimates, microphone localization and sound source movement. No assumptions on the 3D locations of the microphones and sound sources are made. The system is capable of tracking continuously moving sound sources in an reverberant environment. The multi-path components are explicitly tracked and used in the geometry estimation parts. The system is based on matching between pairs of channels using GCC-PHAT. Instead of taking a single maximum at each time instant from each such pair, we select the four strongest local maxima. This produce a set of hypothesis to work with in the subsequent steps, where consistency constraints between the channels and time-continuity constraints are exploited. In the paper it demonstrated how such detections can be used to estimate microphone positions, sound source movement and room geometry. The methods are tested and verified using real data from several reverberant environments. The evaluation demonstrated accuracy in the order of few millimeters.

研究动机与目标

• 解决在未知混响环境中同时定位麦克风与声源的挑战，且不依赖于位置或运动的先验知识。
• 开发一种鲁棒的信号处理流程，通过时延差（TDOA）测量在麦克风对之间检测并跟踪多个声事件。
• 利用最小化求解器解决麦克风与声源的几何校准问题，适用于三维与平面配置，避免依赖初始化或先验假设。
• 通过TDOA估计的亚采样精化与内点数据上的非线性优化，提升精度。
• 在多个混响环境中对真实录音进行验证，证明系统具备高精度与鲁棒性。

提出的方法

• 系统使用GCC-PHAT计算所有麦克风对之间的互相关，并为每对选择四个最强的局部极大值，以生成多个TDOA假设。
• 应用时间连续性与通道间一致性约束，过滤不一致的检测结果，减少异常值。
• 为麦克风与声源的三维、平面和线性配置开发了最小化求解器，从最小数据集估计初始几何参数。
• 使用RANSAC通过从检测到的TDOA向量中选择内点假设，鲁棒地估计几何参数。
• 对TDOA估计应用亚采样精化，以提高精度，再进行非线性优化。
• 在内点数据上执行非线性优化，以精化麦克风位置、声源轨迹和反射平面参数的最大似然估计。

实验结果

研究问题

• RQ1 当麦克风与声源位置均未知时，如何在混响环境中校准麦克风几何结构？
• RQ2 在三维、平面和线性配置下，估计麦克风与声源位置所需的最小化求解器配置有哪些？
• RQ3 如何在多径效应与环境噪声存在的情况下，实现TDOA向量的鲁棒检测与跟踪？
• RQ4 亚采样精化与RANSAC在真实声学环境中对几何校准精度的提升程度如何？
• RQ5 该系统是否能在无需已知声源信号或运动模型的情况下实现高精度校准？

主要发现

• 通过一系列处理步骤，异常值检测数从4,639例减少至0例，输出基本无异常值。
• 麦克风坐标重建的估计标准差为3.7毫米，表明实现了毫米级精度。
• 内点数量在整个处理过程中保持较高水平（约1,200个），表明检测性能稳定一致。
• 系统在真实混响环境中成功估计了麦克风位置、声源运动轨迹以及主要反射面（如地板、天花板、墙壁）。
• 每通道对使用四个强局部极大值显著提升了检测鲁棒性，优于单极大值方法。
• 系统在具有不同声学特性的多个房间的真实录音上进行了验证，表现出在多样化条件下的稳定性能。