1. 几何不变DOA估计的背景与挑战
波达方向(DOA)估计是阵列信号处理中的经典问题,其核心是通过分析麦克风阵列接收到的信号差异来确定声源的空间方位。传统方法如MUSIC、SRP-PHAT等虽然理论成熟,但在实际应用中面临诸多限制:计算复杂度高、对噪声和混响敏感、在多声源场景下性能下降明显。
近年来,深度学习为DOA估计带来了新的可能性。DNN-based方法通过端到端学习信号与空间位置的映射关系,展现出更强的环境适应能力。但现有方法存在一个根本性缺陷——它们通常针对特定几何结构的麦克风阵列设计。这意味着:
- 当阵列中麦克风数量或位置发生变化时,模型需要重新训练
- 不同应用场景(如车载、会议室、可穿戴设备)需要维护多个专用模型
- 模型难以适应实际应用中可能出现的麦克风故障或位置微调
关键痛点:现有DNN方法缺乏几何不变性,导致模型泛化能力受限,部署成本高昂。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. GI-DOAEnet的核心创新解析
2.1 整体架构设计
GI-DOAEnet采用因果型架构设计,确保在实际系统中可实现实时处理。网络包含五个关键组件:
- STFT信号表示层:将时域信号转换为频域表示,保留幅度和相位信息
- 通道独立特征提取器(CIFE):避免传统成对特征计算的二次复杂度增长
- 麦克风位置编码(MPE):实现几何信息的有效嵌入
- 时空双路径块(STDPB):同时捕捉空间和时间维度的相关性
- 空间谱映射块(SSMB):生成最终的空间谱估计
python复制# 伪代码展示网络前向过程
def forward(x, mic_positions):
# x: [B, C, T] 输入信号
# mic_positions: [B, C, 3] 麦克风球面坐标
# 1. STFT变换
stft = STFT(x) # [B, C, F, T, 2]
# 2. CIFE特征提取
features = CIFE(stft) # [B, C, F, T, D]
# 3. MPE编码
mpe = MPE(mic_positions) # [B, C, D]
# 4. STDPB
