도착 방향 추정을 위한 합성곱 순환 신경망의 회귀 및 분류

우리는 합성 데이터와 직교 좌표 라벨을 사용하여 회귀를 통해 훈련된 컨볼루션 순환 신경망(CRNN)을 이용해 소리 원점의 도착 방향(DOA)을 추정하는 새로운 학습 기반 접근법을 제시합니다. 또한, 최신 음향 전파 알고리즘을 활용하여 거울 반사뿐만 아니라 확산 반사를 모델링하는 합성 데이터 생성 방법의 개선된 버전을 설명합니다. 우리는 우리의 모델을 같은 문제에 대한 다른 공식화로 훈련된 세 가지 다른 CRNN들과 비교하였습니다: 범주형 라벨에 대한 분류 및 구면 좌표 라벨에 대한 회귀입니다. 실제 적용에서, 우리의 모델은 이전 방법들보다 최대 43%의 각도 오차 감소를 달성하였습니다. 확산 반사를 사용함으로써, 이미지 소스 방법론 기반의 이전 방법들보다 LOCATA 및 SOFA 데이터셋에서 각각 34%와 41%의 각도 예측 오차 감소를 보였습니다. 우리의 방법은 분류 기반 네트워크를 사용한 이전 방식보다 추가로 3%의 오차 감소를 가져왔으며, 네트워크 매개변수를 36% 적게 사용하였습니다.