Avaliação de algoritmos promotores de esparsidade para localização de fontes com arranjo esférico de microfones

Abstract

Ao realizar o processamento do áudio espacial de cenas sonoras, costuma ser necessário detectar primeiro as fontes sonoras presentes na cena, o que é comumente feito com o auxílio de um arranjo de microfones e um algoritmo detector de direção de chegada (DOA). Caso o sistema deva analisar o som vindo de todas as direções possíveis, então deve-se utilizar um arranjo esférico de microfones. Algoritmos clássicos de estimação de DOA, como a decomposição em ondas planas e o beamforming esférico, apresentam baixa precisão para localizar fontes. Para melhorar a estimação da DOA, o algoritmo compressive beamforming (CB) foi proposto. O CB aplica a regularização promotora de esparsidade ao beamforming regular através do uso da minimização da norma L1 assumindo, portanto, que cenas sonoras normalmente são compostas por apenas algumas fontes. Neste artigo, é comparada a performance de três algoritmos de regularização promotora de esparsidade em um modelo de decomposição em ondas planas: a minimização da norma L1 via Disciplined Convex Program (DCP), o método Least Absolute Shrinkage and Selection Operator (LASSO) e o Orthogonal Matching Pursuit (OMP).Verifica-se que os três algoritmos foram capazes de determinar acuradamente o número de fontes e suas direções para uma cena simulada, tanto com quanto sem ruído aditivo. A performance de todos algoritmos degradou quando aplicados a uma situação real com uma fonte gravada em ambiente anecoico. Neste caso, houve uma melhora da performance ao se combinar o LASSO para determinar o número de fontes com o OMP para refinar a estimativa da amplitude da onda.