Evaluación de algoritmos de promoción de escasez para la ubicación de fuentes con arreglo de micrófonos esféricos

Resumen

Cuando se procesa el audio espacial de las escenas de sonido, a menudo es necesario detectar primero las fuentes de sonido presentes en la escena, lo que comúnmente se hace con la ayuda de un conjunto de micrófonos y un algoritmo detector de dirección de llegada (DOA). Si el sistema debe analizar el sonido proveniente de todas las direcciones posibles, entonces se debe usar una matriz esférica de micrófonos. Los algoritmos clásicos de estimación de DOA, como la descomposición de ondas planas y la formación de haces esféricos, tienen poca precisión para localizar fuentes. Para mejorar la estimación de DOA, se propuso el algoritmo de formación de haz compresivo (CB). CB aplica la regularización que promueve la escasez a la formación de haces regular mediante el uso de la minimización de la norma L1, por lo tanto, se supone que las escenas de sonido normalmente se componen de solo unas pocas fuentes. En este artículo, se compara el desempeño de tres algoritmos de regularización que promueven la escasez en un modelo de descomposición de onda plana: la minimización de la norma L1 a través del Programa convexo disciplinado (DCP), el método Least Absolute Shrinkage and Selection Operator (LASSO) y la búsqueda de emparejamiento ortogonal (OMP).
Se verifica que los tres algoritmos fueron capaces de determinar con precisión el número de fuentes y sus direcciones para una escena simulada, con y sin ruido aditivo. El rendimiento de todos los algoritmos se degradaba cuando se aplicaba a una situación real con una fuente registrada en un entorno anecoico. En este caso, hubo una mejora en el rendimiento al combinar LASSO para determinar el número de fuentes con OMP para refinar la estimación de amplitud de onda.