WikiEdge:ArXiv速递/2025-04-04

摘要

• 原文标题：An Efficient GPU-based Implementation for Noise Robust Sound Source Localization
• 中文标题：基于GPU的高效噪声鲁棒声源定位实现
• 发布日期：2025-04-04 11:44:24+00:00
• 作者：Zirui Lin, Masayuki Takigahira, Naoya Terakado, Haris Gulzar, Monikka Roslianna Busto, Takeharu Eda, Katsutoshi Itoyama, Kazuhiro Nakadai, Hideharu Amano
• 分类：cs.SD, cs.RO, eess.AS
• 原文链接：http://arxiv.org/abs/2504.03373v1

中文摘要：机器人听觉技术涵盖声源定位(SSL)、声源分离(SSS)和自动语音识别(ASR)，使机器人和智能设备能获得类似人类听觉的能力。尽管应用广泛，但处理来自麦克风阵列的多通道音频信号涉及计算密集的矩阵运算，这会影响在中央处理器(CPU)上的高效部署，特别是在CPU资源有限的嵌入式系统中。本文提出了一种基于GPU的机器人听觉声源定位实现方案，在开源软件套件HARK平台中采用基于广义奇异值分解的多重信号分类(GSVD-MUSIC)这一抗噪算法。针对60通道麦克风阵列，该实现方案取得了显著的性能提升：在配备NVIDIAGPU和ARMCortex-A78AEv8.264位CPU的嵌入式设备Jetson AGX Orin上，GSVD计算加速比达4645.1倍，SSL模块加速比达8.8倍；在配置NVIDIAA100GPU和AMDEPYC 7352CPU的服务器上，GSVD计算加速比达2223.4倍，整个SSL模块加速比达8.95倍，使得大规模麦克风阵列的实时处理成为可能，并为后续潜在的机器学习或深度学习任务实时处理提供了充足容量。