Steered response power phase transform (SRP-PHAT) is a method that is widely used for robust sound source localization (SSL). However, since SRP-PHAT searches over a large number of candidate locations, it is too slow to run in real-time for large-scale microphone array systems. In this paper, we propose a robust two-level search space clustering method to speed-up SRP-PHAT-based SSL. The proposed method divides the candidate locations of the sound source into a set of groups and finds a small number of groups that are likely to contain the maximum power location. By searching within the small number of groups, the computational costs are reduced by 61.8% compared to a previously proposed method without loss of accuracy.

Index Terms—Search space clustering (SSC), sound source localization (SSL), steered response power phase transform (SRP-PHAT).

مکان‌یابی بلادرنگ صوتی منابع با استفاده از روش دو سطحی جستجوی فضای خوشه‌ای

چکیده

فاز انتقال توان پاسخ هدایت‌شده (SRP-PHAT) روشی است که غالباً برای مکان‌یابی بلادرنگ صدا (SSL) استفاده می‌شود. به هر حال، از آنجایی که SRP-PHAT مکان‌های کاندید زیادی را جستجو می‌کند، برای اجرا در زمان واقعی و برای سیستم های آرایه‌ای میکروفن بزرگ مقیاس بسیار کند است. در این مقاله، ما یک روش قوی دو سطحی برای جستجوی فضا باهدف تسریع سرعت SRP-PHAT مبتنی بر SSL ارائه کرده‌ایم. روش پیشنهادی، مکان‌های کاندید منبع صدا را به مجموعه‌ای از گروه‌ها تقسیم می‌کند و کوچک‌ترین تعداد گروه‌هایی را که احتمالاً شامل حداکثر توان مکانی باشند را پیدا می‌کند. با جستجوی تعداد گروه‌های کمتر، هزینه محاسباتی در مقایسه با روش ارائه‌شده قبلی، بدون از دست دادن دقت حدود 61.8 درصد کاهش می‌یابد.

کلمات کلیدی- جستجوی فضای خوشه (SSC)، مکان‌یابی منبع صدا (SSL)، فاز انتقال توان پاسخ هدایت‌شده (SRP-PHAT)