Core Concepts
실내 환경음을 이용하여 마이크로폰의 위치를 추정하는 방법을 제안한다. 감독 학습 기반 비음수 행렬 분해와 가우시안 과정 회귀를 통해 소음 환경에서도 강건한 위치 추정이 가능하다.
Abstract
이 연구는 실내 환경음을 이용한 인프라 없는 마이크로폰 위치 추정 방법을 제안한다. 제안 방법은 다음과 같은 두 단계로 구성된다:
감독 학습 기반 비음수 행렬 분해와 위너 필터링을 통해 관측된 혼합 신호에서 음원 신호를 추출한다. 이를 통해 소음 환경에서도 강건한 특징을 얻을 수 있다.
사전에 측정된 환경음 데이터를 이용하여 가우시안 과정 회귀 모델을 학습한다. 이 모델을 통해 임의의 위치에서의 음원 신호 분포를 예측하고, 관측된 특징과의 공간 가능성을 계산하여 마이크로폰의 위치를 추정한다.
제안 방법은 실제 실내 환경에서 평가되었으며, 기존 방법 대비 소음 환경에서 강건한 성능을 보였다. 또한 다른 센서 정보와의 통합이 용이하여, 관성 센서 기반 위치 추정과의 결합을 통해 성능을 더욱 향상시킬 수 있음을 확인하였다.
Stats
관측된 혼합 신호 yft는 K개의 음원 신호 sk,ft와 잡음 신호 nft의 합으로 표현된다.
각 음원 신호 sk,ft는 사전에 측정된 Lk개의 스펙트럼 기저 벡터 wk,l과 시간 활성화 hk,l로 모델링된다.
잡음 신호 nft는 L0개의 기저 벡터와 활성화로 모델링된다.
가우시안 과정 회귀 모델은 각 음원의 RMS 값을 위치의 함수로 예측한다.
Quotes
"환경음은 대부분의 시설에 존재하며 자기장보다 더 많은 정보를 포함하고 있다."
"저신호대잡음비 신호와 훈련 샘플이 유사하지 않아 분류기가 실패한다."
"환경음은 여러 위치에서 고유하지 않을 수 있다."