[论文解读] 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 3

一句话总结

本文提出了一种反射感知的3D声音源定位方法，通过逆向声学射线追踪与蒙特卡洛定位，同时建模直达波与反射波，即使在存在移动或非视距源的情况下，也在7m×7m×3m的房间内实现了平均0.8 m的定位误差。该方法通过引入高阶反射，相比仅使用直达波的方法，将定位精度提升了40%。

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.

研究动机与目标

• 解决在存在障碍物和非视距条件的复杂室内环境中实现高精度3D声音源定位的挑战。
• 克服传统基于TDOA的方法所面临的局限，后者依赖连续信号和视距传播。
• 通过声学射线追踪建模直达与反射声路径，提升定位精度。
• 实现在单帧音频输入下无需时间或位置信号累积的实时定位。
• 支持在动态室内场景中对间歇性、移动性和遮挡声音源进行定位。

提出的方法

• 该方法使用基于体素的八叉树表示来重建室内环境，以描述房间几何结构。
• 通过基于TDOA的方向估计，执行逆向声学射线追踪，从麦克风阵列信号生成直达与反射声路径。
• 反射射线在墙壁和天花板上进行多次弹跳（最多四阶），模拟镜面反射。
• 应用蒙特卡洛定位方法，通过沿追踪的声学路径采样可能的声源位置，估计3D声源位置。
• 该算法使用粒子滤波器跟踪声源，其似然度基于信号与预测射线路径的一致性计算。
• 该方法基于单帧音频输入运行，无需信号累积，可实现实时性能。

实验结果

研究问题

• RQ1 单帧、反射感知的声音源定位方法是否能在存在障碍物的复杂室内环境中实现高精度？
• RQ2 与仅使用直达波相比，建模高阶反射如何影响定位精度？
• RQ3 当直达路径被阻塞时，该方法在定位移动或间歇性声源方面能达到何种程度？
• RQ4 在存在遮挡的非视距条件下，该方法的性能如何？
• RQ5 为平衡精度与计算成本，反射的最大阶数应如何选择？

主要发现

• 在7 m × 7 m × 3 m的房间中，即使声源移动或存在遮挡，该方法的平均定位误差仍为0.8 m。
• 与仅使用直达波相比，引入反射波可使定位精度提升40%。
• 在障碍物侧的平均误差为0.7 m，在无遮挡侧为0.3 m，表明在复杂条件下具有强鲁棒性。
• 对于每5秒切换一次的间歇性信号，平均误差为0.66 m，标准差为0.29 m，表明对非连续声源具有优异性能。
• 使用最高四阶反射可带来显著的精度提升，尤其在受障碍物影响的区域，验证了将最大反射阶数设为四的合理性。
• 粒子滤波器的确定性值保持在较小水平（<0.1），表明定位估计具有稳定收敛性。