잡음 환경에 강건한 오디오 스펙트로그램 트랜스포머 음원 위치 추정 모델
Robust Audio Spectrogram Transformer for Sound Source Localization in Noisy Environments
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
음원 위치 추정은 로봇 내비게이션, 스마트 홈 제어, 음향 모니터링 등 다양한 응용 분야에서 중요한역할을 한다. 그러나 기존의 음원 위치 추정 기법들은 SNR(Signal-to-Noise Ratio)이 낮은 환경에서 정확도가크게 저하되는 한계가 있다. 본 논문에서는 멀티채널 오디오 신호로부터 GCC(Generalized Cross Correlation) 특징을 추출하여 입력하는 오디오 스펙트로그램 트랜스포머 기반 음원 위치 추정 모델을 제안한다. 제안 모델은 다양한 실내 공간과 SNR 조건에서 기존의 GCC-PHAT(Generalized Cross Correlation – Phase Transform) 및 MUSIC(MUltiple SIgnal Classification) 알고리즘과 비교 평가되었다. 실험 결과, 제안 모델은SNR 0 dB 환경에서도 평균 각도 오차 10.0163°, 평균 거리 오차 0.1626, RMSE(Root Mean Square Error) 0.89(5 m × 5 m × 5 m 기준)로 기존 기법 대비 우수한 성능을 보였다. 또한, 공간 크기 변화와 잡음환경 변화에도 강인한 일반화 성능을 나타냈다. 본 연구는 트랜스포머 기반 딥러닝 모델이 실내 환경에서신뢰성 높은 음원 위치 추정에 효과적으로 활용될 수 있음을 실증하였다.
Abstract
Conventional sound source localization methods suffer from significant accuracy degradation in low SNR (Signal-to-Noise Ratio) environments. In this paper, we propose a sound source localization model based on an audio spectrogram transformer, which takes GCC (Generalized Cross Correlation) features extracted from multichannel audio signals as input. The proposed model was evaluated under various indoor environments and SNR conditions, and its performance was compared with conventional GCC-PHAT (Generalized Cross Correlation – Phase Transform) and MUSIC (MUltiple SIgnal Classification) algorithms. Experimental results show that the proposed model achieves superior performance, with a mean angular error of 10.0163°, a mean distance error of 0.1626, and a RMSE (Root Mean Square Error) of 0.89 in a 5 m × 5 m × 5 m environment, even at 0 dB SNR. Additionally, the model demonstrates robust performance under changes in room size and noise conditions. This study demonstrates that transformer-based models can be effectively applied to achieve reliable sound source localization in noisy environments.