Многомасштабное разреженное разложение звукового поля на плоские волны в сферических гармониках
При разложении звукового поля на плоские волны повышение порядка сферических гармоник может неожиданно ухудшать восстановление: алгоритм начинает выбирать лишние направления. Авторы предлагают сопоставлять кандидатов одновременно на нескольких угловых масштабах и заменить обычное сферическое ядро Дирихле оптимизированным ядром. Подход интересен для анализа пространственных отражений и разделения полей, но испытан пока на идеализированных моделируемых сценах.
Метод. Из сферических гармоник строятся направленные карты разных порядков. Модифицированный orthogonal matching pursuit выбирает направление по совместному соответствию всем масштабам: кандидат с плохим совпадением на одном из них получает низкую общую оценку. После выбора пересчитываются ортогональные остатки и амплитуды методом наименьших квадратов. Здесь масштаб означает угловое разрешение на сфере, а не временное окно или частотную полосу.
Результаты. В 15 тыс. испытаний варьируются 1–10 источников, порядки 1–6 и пять уровней SNR. При SNR не ниже 20 дБ средний F1 многомасштабных методов превышает 0,9 на шестом порядке, тогда как одношкальные версии ухудшаются после четвёртого. Для multiscale GSPWD ошибка числа компонент ECM на шестом порядке равна 0,14 против 0,194 у multiscale SPWD. Но амплитудная ошибка хуже других методов на 1,63–2,03 дБ, а ошибка локализации — на 1,43–3,67° в соответствующих сопоставлениях.
Ограничения. Коэффициенты сферических гармоник вычисляются непосредственно: нет пространственного наложения спектров из-за дискретной микрофонной решётки, ошибок калибровки и реальных измерений комнаты. Направления источников ограничены минимальным расстоянием. При 10 дБ SNR многомасштабные схемы заметно деградируют; прямого доказательства улучшения речи или разборчивости нет. Вычислительная стоимость существенно зависит от размера словаря.
Фишка из статьи. Выигрыш по обнаружению направлений появляется именно на высоких порядках, а не равномерно во всех условиях. Таблица I даёт разность F1 относительно обычной одношкальной SPWD при SNR ≥20 дБ.
| Максимальный порядок | Прирост F1 multiscale GSPWD | Статистическая проверка |
|---|---|---|
| N=4 | +0,006 | p=1,000 после поправки |
| N=5 | +0,090 | p<0,001 |
| N=6 | +0,246 | p<0,001 |
Как это читать: метод прежде всего подавляет ложный выбор компонент, когда пространственное представление становится сложнее. Более высокий F1 не означает более точных амплитуд или углов; эти показатели в статье имеют отдельный, местами обратный компромисс.
Источники. Страница arXiv; PDF статьи. Оригинальное название: Multiscale Generalized Sparse Plane Wave Decomposition in the Spherical Harmonic Domain.