MétaCan
Menu
← Retour à la cohorte
Enregistrement W2011895914 · doi:10.1121/1.4787967

Acoustic source localization with eye array

2006· article· en· W2011895914 sur OpenAlexaff
Hedayat Alghassi, Shahram Tafazoli, Peter Lawrence

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2006
Typearticle
Langueen
DomaineComputer Science
ThématiqueSpeech and Audio Processing
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMicrophoneMicrophone arrayAcousticsComputer scienceSIGNAL (programming language)Noise-canceling microphoneShell (structure)PhysicsLoudspeakerMaterials science

Résumé

récupéré en direct d'OpenAlex

A novel signal-processing algorithm and array for sound source localization (SSL) in three-dimensional space is presented. This method, which has similarity to the eye in localization of light rays, consists of a novel hemispherical microphone array with 26 microphones on the shell and one microphone in the sphere center. The microphones on the shell map a geodesic hemisphere called two-frequency icosahedron; hence, each microphone has at least four other orthogonal microphones. A signal-processing scheme utilizes parallel creation of a special closeness function for each microphone direction on the shell in the time domain. Each closeness function cell (lens cell) consists of center microphone, shell microphone, and one of its orthogonals. The closeness function output values are linearly proportional to spatial angular difference between the sound source direction and each of the shell microphone directions. By choosing microphone directions corresponding to the highest closeness function values and implementing a linear weighted spatial averaging on them, the sound source direction is estimated. Contrary to traditional SSL techniques, this method is based on simple parallel mathematical calculations in the time domain with low computational costs. The laboratory implementation of the array and algorithm shows reasonable accuracy in a reverberant room.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,006
Tête enseignante GPT0,216
Écart entre enseignants0,211 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of the Acoustical Society of America→Même sujetSpeech and Audio Processing→Travaux en français237 207→