摘要

我们提出了一种基于学习的新方法，利用通过回归训练的卷积递归神经网络（CRNN）来估计声源的到达方向（DOA），训练数据为合成数据和笛卡尔标签。此外，我们还描述了一种改进的生成合成数据的方法，该方法使用了最先进的声传播算法，能够模拟声波的镜面反射和漫反射。我们将所提出的模型与其他三种使用不同问题表述训练的CRNN进行了对比：分类任务使用类别标签，回归任务使用球坐标标签。在实际应用中，我们的模型相比先前的方法最多可减少43%的角度误差。使用漫反射后，在LOCATA和SOFA数据集上分别比基于图像源方法的先前方法减少了34%和41%的角度预测误差。与使用分类网络的先前方案相比，我们的方法进一步减少了3%的误差，并且使用的网络参数减少了36%。