مدل سازی در مهندسی

مدل سازی در مهندسی

سیستم تعیین موقعیت منبع صوتی با استفاده از آرایه میکروفونی، مبتنی بر ترکیب ویژگی‌های وزن دار در مدل CNN-GRU

نوع مقاله : مقاله پژوهشی

نویسندگان
گروه مهندسی برق، دانشکده فنی و مهندسی، دانشگاه لرستان، خرم آباد، ایران
10.22075/jme.2026.38594.2882
چکیده
مکانیابی منبع صدا (SSL) در محیط‌های پرنویز و دارای پژواک، همچنان یک چالش مهم محسوب می‌شود که موجب انجام تحقیقات گسترده برای یافتن راه‌حل‌های مقاوم شده است. پیشرفت‌های اخیر در یادگیری عمیق، پتانسیل قابل‌توجهی برای بهبود عملکرد SSL نشان داده‌اند. این مقاله یک مدل جدید ارائه می‌دهد که شبکه عصبی کانولوشنی (CNN) را با واحد بازگشتی دروازه‌دار (GRU) و یک مکانیسم ترکیب وزنی ویژگی‌های سفارشی‌سازی‌شده ادغام می‌کند تا تخمین جهت ورود (DOA) را در شرایط آکوستیکی پیچیده بهبود بخشد. معماری پیشنهادی CNN-GRU، ویژگی‌های فضایی تشخیص‌پذیر شامل تفاوت زمانی بین گوشی (ITD)، تفاوت سطح بین گوشی (ILD)، تبدیل فاز همبستگی متقاطع تعمیم‌یافته (GCC-PHAT ) و شدت صوت را از سیگنال‌های صوتی چندکاناله استخراج می‌کند. برای ارزیابی مقاومت و تعمیم‌پذیری، دو آزمایش انجام شده است که عملکرد مدل را تحت سطوح مختلف نویز افزوده و مدت‌ زمان‌های متفاوت پژواک بررسی می‌کند. نتایج آزمایشی نشان می‌دهند که روش پیشنهادی از روش‌های پایه موجود پیشی می‌گیرد و به دقت اوج ۹۱٫۸۵٪ در تخمین DOA و خطای مطلق میانگین (MAE) ۲٫۴۶ درجه دست می‌یابد، که نشان‌دهنده اثربخشی آن در شرایط آکوستیکی چالش‌برانگیز است.
کلیدواژه‌ها
موضوعات

عنوان مقاله English

Sound source localization system using a microphone array, based on combining weighted features in a CNN-GRU model

نویسندگان English

Elham Yazdankhah
Salman Karimi
Department of Electrical Engineering, Faculty of Engineering and Technology, Lorestan University, Khorramabad, Iran
چکیده English

Sound source localization (SSL) in noisy and reverberant environments remains a significant challenge, prompting extensive research into robust solutions. Recent advances in deep learning have demonstrated considerable potential for improving SSL performance. This paper presents a novel model that combines a convolutional neural network (CNN) with a gated recurrent unit (GRU) and a customized weighted feature fusion mechanism to enhance direction-of-arrival (DOA) estimation in acoustically complex conditions. The proposed CNN-GRU architecture extracts discriminative spatial features, including interaural time difference (ITD), interaural level difference (ILD), generalized cross-correlation phase transform (GCC-PHAT), and sound intensity from multichannel audio signals. To assess robustness and generalizability, two experiments are conducted, evaluating the model’s performance under varying additive noise levels and reverberation durations. Experimental results demonstrate that the proposed approach outperforms existing baseline methods, achieving a peak DOA estimation accuracy of 91.85% and a mean absolute error (MAE) of 2.46°, highlighting its effectiveness in challenging acoustic scenarios.

کلیدواژه‌ها English

Convolutional Neural
Network
Deep Learning
Gated Recurrent Unit
Weighted Feature Fusion
Sound Source Localization

مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از 05 آبان 1405

  • تاریخ دریافت 17 مرداد 1404
  • تاریخ بازنگری 28 فروردین 1405
  • تاریخ پذیرش 25 مهر 1405