这篇文档属于类型a，是一篇关于3D声事件定位与检测（3-D Sound Event Localization and Detection, SELD）技术改进的原创研究论文。以下为详细的学术报告：
作者及发表信息
本研究由Jun-Wei Yeow（学生会员，IEEE）、Ee-Leng Tan（高级会员，IEEE）、Jisheng Bai（会员，IEEE）、Santi Peksi（会员，IEEE）和Woon-Seng Gan（高级会员，IEEE）合作完成，作者单位包括新加坡南洋理工大学（Nanyang Technological University）智能国家声学实验室和中国西北工业大学海洋科学与技术学院。论文发表于IEEE Sensors Journal，2025年8月第25卷第15期，文章编号29221。研究得到了新加坡教育部Tier 2学术研究基金（MOE-T2EP20221-0014）的资助。
学术背景
研究领域与动机
3D SELD技术是声学感知领域的核心课题，旨在同时检测声音事件的时间边界（Sound Event Detection, SED）、估计声源方向（Direction of Arrival, DOA）和距离（Sound Distance Estimation, SDE）。该技术应用于安防监控、机器人导航、虚拟现实等领域。然而，现有方法在距离估计（SDE）上存在显著缺陷，尤其在复杂混响环境中表现不佳。
背景知识
- 人类听觉距离感知：依赖单耳与双耳线索（如直达声与混响声能量比DRR、空间相干性）。
- 技术瓶颈：传统SELD特征（如GCC-PHAT、SALSA）未针对距离优化，且受限于紧凑麦克风阵列的弱小孔径效应（弱化相位差和强度差）。
研究目标
提出一种新型特征CDPD（Coherence and Direct-Path Dominance），通过融合混响与空间相干性线索，提升3D SELD系统的距离估计精度。
研究流程与方法
1. 特征设计：CDPD的开发
- 信号模型：基于四通道麦克风阵列的短时傅里叶变换（STFT），构建协方差矩阵以分析声场空间特性。
- 核心算法：
- 直接路径主导测试（DPD）：通过奇异值分解（SVD）识别主导直达声的时频单元（TF bins），计算奇异值比率ρ(t,f)。
- 空间相干性估计：利用短时功率谱密度（PSD）和幅度平方相干性（MSC）量化麦克风间信号相关性。
- CDPD特征合成：结合ρ(t,f)与相干性γ̂(t,f)，生成时频对齐的2(t,f)特征图，突出距离相关线索。
- 创新点：无需先验环境信息，直接通过数据驱动方式提取距离特征。
2. 实验验证
- 数据集：使用STARSS23（真实场景录音）和自建合成数据集Self-SYN（匹配真实数据距离分布）。
- 基准模型：基于ResNet-BiGRU的CRNN架构，输出多活动笛卡尔距离与DOA（multi-ACCDDOA）。
- 对比特征：包括MelGCC、SALSA等传统SELD特征。
- 评估指标：定位依赖F值（F≤20°/1）、类别依赖距离误差（RDE_CD）和综合SELD误差（E_SELD）。
3. 数据归一化与训练优化
- 距离归一化（DNorm）：将真实距离值缩放至[-1,1]范围，避免损失函数偏差。
- 资源效率评估：提出综合考虑数据量、模型参数和性能的标准化效率评分。
主要结果
1. CDPD特征的有效性
- 距离误差降低：在STARSS23验证集上，SALSA-D（含CDPD）的RDE_CD相对基线降低6.07%（从0.280降至0.263）。
- 整体性能提升：SALSA-Dlite的E_SELD为0.357，优于多数FOA（一阶 Ambisonics）系统，打破麦克风阵列与FOA的性能差距。
2. 合成数据的影响
- 域适应问题：官方合成数据DCASE-SYN因距离分布偏差导致RDE_CD恶化，而自建Self-SYN将误差降低4.66%。
- 鲁棒性验证：CDPD在遮挡场景（如方位角重叠）中表现稳健，RDE_CD较基线提升36.8%。
3. 与传统DRR估计方法的对比
CDPD优于基于加权预测误差（WPE）的盲去混响和扩散度（Diff）特征，归因于其联合利用相干性与直达声主导性。
结论与价值
科学意义
- 特征工程突破：首次将混响与空间相干性线索系统整合到SELD框架中。
- 资源效率：在少量训练数据（20小时）下达到SOTA性能，模型参数仅1.8M。
应用价值
- 安防与机器人：提升复杂环境中声源定位的精度。
- 可持续性：通过高效特征设计减少对大数据和复杂模型的依赖。
研究亮点
- CDPD特征：首创的时频域距离特征，无需环境先验知识。
- 跨模态性能：麦克风阵列系统首次媲美FOA的SELD表现。
- 效率指标：提出兼顾性能与资源消耗的评估体系，推动绿色AI发展。
其他价值
- 开放问题：合成数据与真实数据的域差异仍是挑战，未来需探索自适应参数优化。
- 扩展方向：将CDPD推广至FOA格式，或开发混合阵列架构以进一步优化性能。
（全文完）