
Data-Driven Multi-Microphone Speaker Localization on Manifolds
Akustische Quellenlokalisierung ist eine wesentliche Komponente in vielen modernen Audioanwendungen. So benötigen beispielsweise intelligente Lautsprecher Lokalisierungsfunktionen, um die Lautsprecher in der Szene und ihre Rolle zu bestimmen.
Auf der Grundlage der Standortinformationen können sie einen Lautsprecher verbessern oder ortsspezifische Aufgaben ausführen, wie z. B. das Ein- und Ausschalten des Lichts, die Steuerung einer Kamera usw.
Die Lokalisierung basiert häufig auf der Erstellung physischer Modelle, die in realen Anwendungen extrem kompliziert werden.
In jüngster Zeit haben Forscher begonnen, Lerntechniken einzusetzen, um Lokalisierungsprobleme zu lösen. Diese Monographie führt den Leser in die Forschung und die praktischen Aspekte ein, die hinter dem Ansatz stehen, die Eigenschaften der akustischen Umgebung direkt aus den Daten zu lernen, anstatt ein vordefiniertes physikalisches Modell zu verwenden.
Geschrieben von den Experten auf diesem Gebiet, die viele dieser Techniken entwickelt haben, bietet es einen umfassenden Überblick und Einblicke in diesen aufkeimenden Bereich der akustischen Entwicklungen. Der Leser erhält eine Einführung in die zugrunde liegende Mathematik, bevor er sich eingehend mit dem Lokalisierungsproblem befasst. Anschließend wird das Kernparadigma der Verwendung von Mannigfaltigkeiten für Diffusionsabbildung und Distanz beschrieben.
Aufbauend auf diesen Konzepten behandeln die Autoren sowohl die Lokalisierung mit einem als auch mit mehreren Verteilern. Abschließend wird die Verfolgung mit Hilfe von Verteilern behandelt. Data-Driven Multi-Microphone Speaker Localization on Manifolds ist eine aufschlussreiche Einführung in die Entwicklung und den Bau von akustischen Systemen, bei denen die Lokalisierung von mehreren Mikrofonen und Lautsprechern ein wesentlicher Bestandteil des Systems ist.