[论文解读] Evaluation of an open-source implementation of the SRP-PHAT algorithm within the 2018 LOCATA challenge

Romain Lebarbenchon, Ewen Camberlein+4 more|arXiv (Cornell University)|Dec 14, 2018

Speech and Audio Processing被引用 5

一句话总结

本文提出了一种灵活的开源SRP-PHAT算法实现，用于多通道声源定位，在2018年LOCATA挑战赛的单源任务中进行了评估。在静态场景下，其定位准确率超过99%（误差小于20°），在动态及移动阵列条件下平均误差始终低于10°，展现出在混响环境中的优异性能。

ABSTRACT

This short paper presents an efficient, flexible implementation of the SRP-PHAT multichannel sound source localization method. The method is evaluated on the single-source tasks of the LOCATA 2018 development dataset, and an associated Matlab toolbox is made available online.

研究动机与目标

• 为多通道声源定位提供一种灵活的开源SRP-PHAT算法实现。
• 利用2018年LOCATA挑战赛数据集，在真实且具有混响的环境中评估该方法。
• 解决SRP-PHAT变体缺乏文档化、可配置参数和坐标系处理的参考实现的问题。
• 支持对任意阵列几何结构、信号类型以及计算精度权衡的便捷适配。
• 为未来扩展支持多源场景下的源数估计与跟踪功能提供基础。

提出的方法

• 该方法通过GCC-PHAT计算每对麦克风的局部方位谱，利用仅相位加权估计到达时间差（TDOA）。
• 局部谱按每对5°分辨率重采样，并插值回全局1°分辨率球形网格以实现坐标对齐。
• 通过时间、频率和麦克风对的求和-最大值操作池化，构建全局方位谱。
• 通过峰值检测识别主要声源方向，并应用线性插值以保证时间连续性。
• 实现采用64 ms帧长的STFT，50%重叠，信号下采样至16 kHz，每256–512 ms处理一次。
• 多通道BSS Locate工具箱支持任意阵列配置，并可调节精度与计算负载之间的权衡。

实验结果

研究问题

• RQ1 该开源SRP-PHAT实现对2018年LOCATA挑战赛中单源、混响音频任务的性能如何？
• RQ2 该方法能否在不同麦克风阵列下，于静态与动态源场景中均实现高定位准确率？
• RQ3 与MUSIC等基线方法相比，该方法在方位误差和成功率方面表现如何？
• RQ4 该实现能在多大程度上灵活适配不同阵列几何结构与信号条件？
• RQ5 池化策略与参数选择对定位性能有何影响？

主要发现

• 在静态任务（任务1）中，使用机器人头阵列和Eigenmike阵列，该方法在20°误差范围内成功率达到99.9%。
• 在移动源任务（任务3和5）中，20°误差范围内的成功率超过92%，平均方位与仰角误差始终低于6.2°。
• 在任务1中，机器人头阵列的平均方位误差为1.43°，仰角误差为1.66°，显著优于基线MUSIC方法的结果。
• 即使在具有挑战性的移动阵列条件（任务5）下，该方法仍保持平均误差1.76°（方位）和1.83°（仰角），20°误差范围内的成功率为94.5%。
• 在静态条件下，99.9%的案例中误差小于10°；在动态条件下，所有阵列下超过93%的案例误差小于10°。
• 开源的Multichannel BSS Locate工具箱支持SRP-PHAT在多样化阵列与信号配置下的灵活部署与调优。