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

1. Formulação do Problema

A estimativa de Direção de Chegada (DOA) é crítica para aplicações como robótica, teleconferência e interação humano-robô. A Resposta de Potência Guiada com Transformada de Fase (SRP-PHAT) é um método de referência robusto para esta tarefa. No entanto, enfrenta dois desafios principais em cenários 3D, particularmente com arranjos de microfones planos:

• Custo Computacional: A estimativa 3D precisa requer uma busca exaustiva sobre milhares de direções candidatas em uma grade esférica densa, o que é proibitivo para aplicações em tempo real em plataformas embarcadas ou móveis com recursos limitados.
• Limitações de Arranjos Planos: Arranjos planos (comuns em robótica devido à simplicidade estrutural) exibem confiabilidade anisotrópica. Eles fornecem estimativa de azimute de alta resolução, mas sofrem com estimativa de elevação pobre (alargamento do lóbulo principal e achatamento de picos em elevações altas). Métodos existentes, como Contração de Região de Grosso para Fino (CFRC), tratam o espaço 3D uniformemente, falhando em explorar essa característica específica, enquanto a SRP-PHAT de grade completa é excessivamente lenta.

2. Metodologia: O Framework ASAP

Os autores propõem o ASAP (Abordagem de Busca Baseada em Faixas com Prioridade de Azimute), um algoritmo de dois estágios projetado especificamente para arranjos planos. Ele decompõe o problema de busca 3D para aproveitar a maior confiabilidade da estimativa de azimute.

Estágio 1: Estimativa de Azimute Restrita a Faixas

Em vez de buscar toda a esfera 3D, o ASAP restringe a busca inicial a faixas azimutais horizontais.

• Espaço de Busca: O espaço candidato é definido como uma união de faixas horizontais centradas em ângulos de elevação predefinidos ($\Theta$).
• Contração de Região de Grosso para Fino (CFRC): Dentro dessas faixas, é realizada uma busca no estilo CFRC.
  • O algoritmo começa com uma malha esférica grosseira e subdivide recursivamente os triângulos.
  • Em cada nível de refinamento, ele retém as top-$N$ direções unitárias.
  • Filtragem de Capa Esférica: Ao redor dos máximos retidos, são formadas capas esféricas para concentrar as avaliações perto de picos emergentes, travando efetivamente o ângulo de azimute ($\hat{\phi}$) enquanto permite que múltiplos candidatos de elevação persistam.

Estágio 2: Refinamento Unidimensional de Elevação

Uma vez travado o azimute, o algoritmo refina a elevação ($\theta$) usando uma busca 1D, evitando um re-escaneamento 2D completo. Duas estratégias de refinamento são propostas:

1. Refinamento Centrado em Meridiano (MC):
   • Fixa o azimute na estimativa do Estágio 1 ($\hat{\phi}$).
   • Busca a elevação dentro de uma janela estreita $[\hat{\theta} - r, \hat{\theta} + r]$.
   • Utiliza interpolação quadrática local ao redor do pico discreto para alcançar resolução sub-grade.
2. Refinamento Entre Pontos (BP):
   • Utiliza os top-2 vetores unitários ($u_1, u_2$) do Estágio 1.
   • Realiza Interpolação Linear Esférica (SLERP) ao longo do arco de círculo máximo conectando esses dois vetores.
   • Amostra o arco para encontrar a elevação ótima, aproveitando a relação geométrica entre os dois candidatos.

3. Principais Contribuições

• Estratégia com Prioridade de Azimute: O primeiro método a explorar explicitamente a confiabilidade anisotrópica de arranjos planos, priorizando o travamento do azimute antes do refinamento da elevação.
• Busca Baseada em Faixas: Introduz um mecanismo de busca "restrito a faixas" que reduz o espaço de busca 3D para uma superfície 2D gerenciável (faixas) e depois para um caminho 1D, reduzindo significativamente a complexidade computacional.
• Mecanismos de Refinamento Duplo: Propõe ambas as estratégias de refinamento MC e BP, com a BP oferecendo desempenho superior ao utilizar o caminho geométrico entre candidatos de alta pontuação.
• Código Aberto: Os autores disponibilizaram o código de fonte aberta para facilitar a adoção pela comunidade e pesquisas futuras.

4. Resultados Experimentais

O método foi validado através de extensas simulações e experimentos do mundo real usando um Arranjo Circular Uniforme (UCA) de 8 microfones.

Resultados de Simulação

• Precisão: A variante BP do ASAP alcançou o menor Erro Quadrático Médio (RMSE) em todas as condições de Relação Sinal-Ruído (SNR) (limpo, ruído de 3,09 dB e 1,5 dB).
  • Comparado ao CFRC, o ASAP reduziu o RMSE em 5,87%.
  • Superou a SRP-PHAT de grade completa em precisão, sendo significativamente mais rápida.
• Eficiência:
  • Na resolução de grade mais alta (Nível 5), o ASAP reduziu o tempo de execução em 13,56% comparado ao CFRC.
  • O tempo de execução da SRP-PHAT de grade completa aumentou drasticamente com a resolução (ex: 3987s no Nível 5), enquanto o ASAP manteve tempos de execução sub-100s (73s).

Experimentos do Mundo Real

• Configuração: Realizado em um ambiente de escritório reverberante ($T_{60} \approx 0,5s$) com fala humana de 5 falantes.
• Desempenho:
  • Precisão: O BP-ASAP alcançou um RMSE de 8,83°, superando a SRP-PHAT (8,90°) e o CFRC (9,23°).
  • Velocidade: No Nível 5, o ASAP (BP) levou 28,58 segundos para 523 gravações, comparado a 36,23 segundos para o CFRC e 1556,55 segundos para a SRP-PHAT de grade completa.
  • Melhoria: Comparado ao CFRC, o ASAP reduziu o tempo de execução em 13,98% e o RMSE em 4,33%.

5. Significado

• Viabilidade em Tempo Real: O ASAP torna a estimativa 3D de DOA de alta precisão viável para sistemas embarcados e robôs móveis, reduzindo drasticamente a carga computacional sem sacrificar a robustez.
• Robustez em Campo Longo: Ao melhorar a precisão da estimativa de elevação (mesmo que marginalmente), o método ajuda a prevenir a acumulação de erros no rastreamento de alvos, o que é crítico para cenários de campo longo.
• Direções Futuras: Os autores observam que o ajuste atual de parâmetros (largura da faixa, níveis de subdivisão) é baseado em tentativa e erro. Trabalhos futuros visam integrar modelos de aprendizado profundo leves para otimização sistemática de parâmetros e estender o método para cenários de múltiplas fontes e fontes em movimento.

Em conclusão, o ASAP representa um passo significativo para frente na localização de fontes acústicas para arranjos planos, equilibrando com sucesso o compromisso entre eficiência computacional e precisão de estimativa através de uma estratégia de busca estruturada e priorizada por azimute.