LOCUS: LOcalization with Channel Uncertainty and Sporadic Energy

要約

正確な音源ローカリゼーション（SSL）には、信頼できる到着度（DOA）推定のために一貫したマルチチャネルデータが必要です。
ただし、断続的に駆動されたバッテリーシステムは、エネルギー収穫の確率的性質のために、しばしば不完全なセンサーデータに苦しんでいます。
既存の方法は、欠落しているチャネルに苦労しており、パフォーマンスの大幅な低下につながります。
この論文では、バッテリーシステムでSSLの破損した機能を回復するように設計された新しいディープラーニングベースのシステムである$ \ textit {locus} $を提案します。
$ \ textit {locus} $情報を活用することにより、欠損データをアドレス指定します
）、不足している機能を合成し、（3）ガイド付き交換（GREP）（GREP）は、有効なデータを保存しながら欠落している要素をインテリジェントに交換します。
2つのデータセットを使用して大幅なパフォーマンスの改善を示します。DCaseとLargeset。$ \ Textit {locus} $は、既存の方法と比較して最大$ 36.91 \％$低いDOAエラーを達成します。
断続的な電源を備えた3つの環境での実際の評価は、チャネルが確率的に欠落している場合、パフォーマンスの25.87-59.46 \％$の改善を示しています。
さらに、SSLのさらなる研究をサポートするために、50時間のマルチチャネルデータセットをリリースします。

要約(オリジナル)

Accurate sound source localization (SSL) requires consistent multichannel data for reliable degree of arrival (DoA) estimation. However, intermittently powered batteryless systems often suffer from incomplete sensor data due to the stochastic nature of energy harvesting. Existing methods struggle with missing channels, leading to significant performance degradation. In this paper, we propose $\textit{LOCUS}$, a novel deep learning-based system designed to recover corrupted features for SSL in batteryless systems. $\textit{LOCUS}$ addresses missing data by leveraging information entropy estimation and conditional interpolation, combining three modules: (1) Information-Weighted Focus (InFo), which identifies and quantifies corrupted data elements, (2) Latent Feature Synthesizer (LaFS), which synthesizes missing features, and (3) Guided Replacement (GRep), which intelligently replaces missing elements while preserving valid data. We demonstrate significant performance improvements using two datasets: DCASE and LargeSet, where $\textit{LOCUS}$ achieves up to $36.91\%$ lower DoA error compared to existing methods. Real-world evaluations across three environments with intermittent power sources show a $25.87-59.46\%$ improvement in performance when channels are stochastically missing. Additionally, we release a 50-hour multichannel dataset to support further research in SSL.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google