ASAP: An Azimuth-Priority Strip-Based Search Approach to Planar Microphone Array DOA Estimation in 3D

1. Enunciato del Problema

La stima della Direzione di Arrivo (DOA) è fondamentale per applicazioni come la robotica, la teleconferenza e l'interazione uomo-robot. La Risposta in Potenza Steering con Trasformata di Fase (SRP-PHAT) è un metodo di riferimento robusto per questo compito. Tuttavia, incontra due sfide principali negli scenari 3D, in particolare con le array di microfoni piani:

• Costo Computazionale: Una stima 3D accurata richiede una ricerca esaustiva su migliaia di direzioni candidate su una griglia sferica densa, il che è proibitivo per applicazioni in tempo reale su piattaforme embedded o mobili con risorse limitate.
• Limitazioni delle Array Piane: Le array piane (comuni nella robotica per la loro semplicità strutturale) mostrano affidabilità anisotropa. Forniscono una stima dell'azimut ad alta risoluzione, ma soffrono di una scarsa stima dell'elevazione (allargamento del lobo principale e appiattimento del picco ad alte elevazioni). Metodi esistenti come la Contrazione della Regione da Grossolano a Fine (CFRC) trattano lo spazio 3D in modo uniforme, non sfruttando questa caratteristica specifica, mentre la SRP-PHAT a griglia completa è troppo lenta.

2. Metodologia: Il Framework ASAP

Gli autori propongono ASAP (Approccio di Ricerca Basato su Strisce con Priorità all'Azimut), un algoritmo in due fasi progettato specificamente per le array piane. Decompone il problema di ricerca 3D per sfruttare l'affidabilità superiore della stima dell'azimut.

Fase 1: Stima dell'Azimut Vincolata alle Strisce

Invece di cercare l'intera sfera 3D, ASAP limita la ricerca iniziale a strisce azimutali orizzontali.

• Spazio di Ricerca: Lo spazio candidato è definito come un'unione di strisce orizzontali centrate su angoli di elevazione predefiniti ($\Theta$).
• Contrazione della Regione da Grossolano a Fine (CFRC): All'interno di queste strisce, viene eseguita una ricerca in stile CFRC.
  • L'algoritmo inizia con una mesh sferica grezza e suddivide ricorsivamente i triangoli.
  • A ogni livello di raffinamento, mantiene le prime $N$ direzioni unitarie.
  • Filtraggio a Calotta Sferica: Intorno ai massimi mantenuti, vengono formate calotte sferiche per concentrare le valutazioni vicino ai picchi emergenti, bloccando efficacemente l'angolo di azimut ($\hat{\phi}$) mentre permettono a più candidati di elevazione di persistere.

Fase 2: Raffinamento Monodimensionale dell'Elevazione

Una volta bloccato l'azimut, l'algoritmo rifinisce l'elevazione ($\theta$) utilizzando una ricerca 1D, evitando una nuova scansione completa 2D. Vengono proposte due strategie di raffinamento:

1. Raffinamento Centrato sul Meridiano (MC):
   • Fissa l'azimut alla stima della Fase 1 ($\hat{\phi}$).
   • Cerca l'elevazione all'interno di una finestra ristretta $[\hat{\theta} - r, \hat{\theta} + r]$.
   • Utilizza l'interpolazione quadratica locale intorno al picco discreto per ottenere una risoluzione sub-griglia.
2. Raffinamento Tra Punti (BP):
   • Utilizza i primi 2 vettori unitari ($u_1, u_2$) dalla Fase 1.
   • Esegue l'Interpolazione Lineare Sferica (SLERP) lungo l'arco di cerchio massimo che collega questi due vettori.
   • Campiona l'arco per trovare l'elevazione ottimale, sfruttando la relazione geometrica tra i due candidati.

3. Contributi Chiave

• Strategia con Priorità all'Azimut: Il primo metodo a sfruttare esplicitamente l'affidabilità anisotropa delle array piane dando priorità al blocco dell'azimut prima del raffinamento dell'elevazione.
• Ricerca Basata su Strisce: Introduce un meccanismo di ricerca "vincolato alle strisce" che riduce lo spazio di ricerca 3D a una superficie 2D gestibile (strisce) e successivamente a un percorso 1D, riducendo significativamente la complessità computazionale.
• Meccanismi di Raffinamento Duali: Propone entrambe le strategie di raffinamento MC e BP, con BP che offre prestazioni superiori sfruttando il percorso geometrico tra i candidati ad alto punteggio.
• Open Source: Gli autori hanno reso open source il codice per facilitare l'adozione da parte della comunità e ulteriori ricerche.

4. Risultati Sperimentali

Il metodo è stato validato attraverso estese simulazioni ed esperimenti nel mondo reale utilizzando un Array Circolare Uniforme (UCA) a 8 microfoni.

Risultati delle Simulazioni

• Accuratezza: La variante BP di ASAP ha ottenuto il più basso Errore Quadratico Medio (RMSE) in tutte le condizioni di Rapporto Segnale-Rumore (SNR) (pulito, 3.09 dB e rumore a 1.5 dB).
  • Rispetto alla CFRC, ASAP ha ridotto l'RMSE del 5.87%.
  • Ha superato la SRP-PHAT a griglia completa in accuratezza, risultando significativamente più veloce.
• Efficienza:
  • Alla massima risoluzione della griglia (Livello 5), ASAP ha ridotto il tempo di esecuzione del 13.56% rispetto alla CFRC.
  • Il tempo di esecuzione della SRP-PHAT a griglia completa è aumentato drasticamente con la risoluzione (ad esempio, 3987s al Livello 5), mentre ASAP ha mantenuto tempi di esecuzione inferiori a 100s (73s).

Esperimenti nel Mondo Reale

• Setup: Condotti in un ambiente d'ufficio riverberante ($T_{60} \approx 0.5s$) con voce umana proveniente da 5 altoparlanti.
• Prestazioni:
  • Accuratezza: BP-ASAP ha ottenuto un RMSE di 8.83°, superando SRP-PHAT (8.90°) e CFRC (9.23°).
  • Velocità: Al Livello 5, ASAP (BP) ha impiegato 28.58 secondi per 523 registrazioni, rispetto a 36.23 secondi per CFRC e 1556.55 secondi per SRP-PHAT a griglia completa.
  • Miglioramento: Rispetto alla CFRC, ASAP ha ridotto il tempo di esecuzione del 13.98% e l'RMSE del 4.33%.

5. Significato

• Fattibilità in Tempo Reale: ASAP rende la stima 3D DOA ad alta accuratezza fattibile per sistemi embedded e robot mobili riducendo drasticamente il carico computazionale senza sacrificare la robustezza.
• Robustezza in Campo Lontano: Migliorando l'accuratezza della stima dell'elevazione (anche marginalmente), il metodo aiuta a prevenire l'accumulo di errori nel tracciamento del bersaglio, critico per gli scenari in campo lontano.
• Direzioni Future: Gli autori notano che l'attuale sintonizzazione dei parametri (larghezza della striscia, livelli di suddivisione) è basata su tentativi ed errori. Il lavoro futuro mira a integrare modelli di deep learning leggeri per l'ottimizzazione sistematica dei parametri ed estendere il metodo a scenari con sorgenti multiple e sorgenti in movimento.

In conclusione, ASAP rappresenta un significativo passo avanti nella localizzazione delle sorgenti acustiche per array piane, bilanciando con successo il compromesso tra efficienza computazionale e accuratezza di stima attraverso una strategia di ricerca strutturata con priorità all'azimut.