MétaCan
Menu
Retour à la cohorte
Enregistrement W2173129408 · doi:10.1121/1.4934954

Direction-of-arrival estimation of passive acoustic sources in reverberant environments based on the Householder transformation

2015· article· en· W2173129408 sur OpenAlexaff
Gongping Huang, Jingdong Chen, Jacob Benesty

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2015
Typearticle
Langueen
DomaineComputer Science
ThématiqueSpeech and Audio Processing
Établissements canadiensInstitut National de la Recherche ScientifiqueUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésShort-time Fourier transformTransformation (genetics)ReverberationMicrophone arrayDirection of arrivalAcousticsComputer scienceNoise (video)MicrophoneFourier transformSIGNAL (programming language)Range (aeronautics)Frequency domainSpeech recognitionAlgorithmMathematicsTelecommunicationsPhysicsMathematical analysisArtificial intelligenceAntenna (radio)EngineeringLoudspeakerFourier analysisComputer vision

Résumé

récupéré en direct d'OpenAlex

This paper presents an approach to the direction-of-arrival (DOA) estimation problem in acoustic environments using microphone arrays. It works in the short-time Fourier transform (STFT) domain. It first transforms the noisy speech signals received at the array into the STFT domain. A Householder transformation is then constructed and applied to the multichannel STFT coefficients in each subband. This transformation converts the multichannel STFT coefficients into two components: one is a single coefficient that is dominated by the signal of interest and the other consists of the M - 1 coefficient that is dominated by noise (or even consists of noise-only if there is no reverberation), where M is the number of sensors. A cost function is then formed from the outputs of the Householder transformation and the DOA information can subsequently be obtained by searching the extremum value of this cost function in the angle range between 0° and 180°. Simulation results are provided to illustrate the performance of this approach.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,875
Score d'incertitude au seuil0,182

Scores Codex et Gemma par catégorie

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

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 Opus0,017
Tête enseignante GPT0,234
Écart entre enseignants0,217 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations20
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of the Acoustical Society of AmericaMême sujetSpeech and Audio ProcessingTravaux en français237 207