MétaCan
Menu
Retour à la cohorte
Enregistrement W2802411457 · doi:10.1121/1.5035272

Beamforming based on null-steering with small spacing linear microphone arrays

2018· article· en· W2802411457 sur OpenAlexaff
Changlei Li, Jacob Benesty, Jingdong Chen

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2018
Typearticle
Langueen
DomaineComputer Science
ThématiqueSpeech and Audio Processing
Établissements canadiensInstitut National de la Recherche ScientifiqueUniversité du Québec à Montréal
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésBeamformingMicrophoneNull (SQL)Microphone arrayAdaptive beamformerAcousticsComputer scienceNoise-canceling microphoneReduction (mathematics)Noise (video)AlgorithmDirectivityNoise reductionInvariant (physics)MathematicsPhysicsSound pressureTelecommunicationsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This paper develops an approach to beamforming with small spacing uniform linear microphone arrays based on the null-steering (NS) principle. It first formulates the beamforming problem from the conventional mean-squared error (MSE) criterion and its normalized version. Several NS algorithms are then derived for beamforming with the constraint of placing nulls to either a single direction or multiple angles. The difference and relationships between different algorithms are discussed and their performances are evaluated. These algorithms can be used to design either fixed or adaptive beamformers. In the former case, the resulting beamformers work as differential microphone arrays (DMAs) since they exhibit frequency-invariant beampatterns and their directivity factors are high with a given number of sensors. In the latter case, the resulting beamformers can be viewed as a combination of DMAs and single-channel noise reduction since they do not only exhibit frequency-invariant beampatterns but also can achieve noise reduction based on the noise statistics.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,469
Score d'incertitude au seuil0,270

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 technologies0,0000,001
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 Opus0,012
Tête enseignante GPT0,223
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 tête enseignante, 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
GenreMéthodes

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

En bref

Citations8
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

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