Core Concepts
ステアード応答パワー法は、中程度の残響と雑音の環境下で良好な位置推定性能を示すため、過去30年間にわたって広く使用されてきた。多くの研究がこの手法の計算コストの削減や、複数音源の検出と位置推定、悪環境下での性能向上を目的として行われてきた。
Abstract
本論文では、ステアード応答パワー法とその派生手法について200本以上の論文をレビューしている。特に、ステアード応答パワー-PHATと呼ばれる手法に焦点を当てている。また、レビューした拡張手法を実装できるよう一般化された「X-SRP」アルゴリズムを提案し、選択された拡張手法を含むPythonの実装コードを公開している。
主な内容は以下の通り:
ステアード応答パワー法の従来モデルの説明
計算コストの削減に関する研究
粗い探索グリッドの使用
反復的なグリッド細分化
事前位置推定に基づくグリッド構築
並列化
悪環境下での頑健性向上に関する研究
改良型GCC-PHAT関数の使用
ニューラルネットワークの活用
複数音源の検出と位置推定に関する研究
実用的な考慮事項
移動音源の追跡
指向性の考慮
他手法との比較
X-SRPアルゴリズムの提案と実装
Stats
ステアード応答パワー法の計算量は以下のように表される:
O(ML log L + GPL)
ここで、Mは マイクロホン数、Lはフレームサイズ、Gは探索グリッドサイズ、Pはマイクロホンペア数を表す。
Quotes
"ステアード応答パワー法は、中程度の残響と雑音の環境下で良好な位置推定性能を示すため、過去30年間にわたって広く使用されてきた。"
"多くの研究がこの手法の計算コストの削減や、複数音源の検出と位置推定、悪環境下での性能向上を目的として行われてきた。"