Как сложность геометрического акустического симулятора влияет на многоисточниковую локализацию

Насколько подробным должен быть симулятор помещения, чтобы обученная на нём сеть локализовала реальные источники? Работа систематически меняет порядок зеркальных отражений, позднюю реверберацию, модель микрофонной решётки и случайность геометрии, отделяя полезную физику от дорогих деталей.

Метод. Одинаковая CRNN с ACCDOA обучается на третьепорядковых Ambisonics-сигналах из нескольких симуляторов. Вход объединяет псевдовекторы интенсивности и 128-полосные log-mel-спектры. Оценка проводится на симуляции и трёх измеренных наборах по угловой ошибке LE, ошибке числа источников SC-MAE и объединённому E-SSLD с 95%-ми интервалами.

Результаты. Переход от прямого звука к отражениям первого и второго порядка даёт основной прирост на измеренных данных; 12-й порядок улучшает результат меньше, но снижает разброс между наборами. Случайное смещение зеркальных источников до ±10 м даёт лучшую обобщающую способность. Полная модель решётки по измеренным передаточным функциям выигрывает при высоком порядке, но эффект невелик относительно цены.

Ограничения. Численные значения качества в основном представлены графиком, а не полной таблицей, и относятся к одной CRNN, третьепорядковой Ambisonics-решётке и трём наборам. Снижение LE на измерениях частично объясняется недооценкой числа активных источников, поэтому одну угловую ошибку нельзя считать достаточным критерием.

Фишка из статьи. Инженерный вывод особенно ясен из времени симуляции: усложнение зеркальной модели до второго порядка почти бесплатно, а точное электромагнитное моделирование решётки стоит несоизмеримо дороже небольшого выигрыша.

Как это читать: для обучения важнее добавить ранние отражения и разнообразить идеальную геометрию, чем максимально точно воспроизводить каждый элемент решётки. Средняя по сложности случайная симуляция может дать лучший бюджет качества, чем физически самый подробный вариант.