本文提出了一种使用八个麦克风阵列实现鲁棒声源定位和跟踪的方法，可在 7 米范围内实时定位和跟踪多种类型的移动声源，从而使移动机器人能够在现实环境中更自然地与人们交互。

Feb, 2016

本文提出了基于深度学习的多声源定位算法，使用多个麦克风阵列找到封闭环境中多个声源的二维笛卡尔坐标，通过编码 - 解码结构和两个改进措施实现任务，并提出了两种新的定位表示方法，学习了新指标以实现分辨率基础上的多源关联和对比不同方法的评估。作者对合成和真实数据进行了测试，结果表明本方法改进了这一问题的基线方法。

Dec, 2020

通过分析人类的杂音，研究了如何使用仅仅声音信息来探测机器人附近的人类移动行为，实现了机器人通过仅有被动声音感测技术跟踪悄悄移动的人类。

Oct, 2023

挑战性且相关的问题是在信号受限环境中实现非直视定位。本研究利用物理基础声波传播模拟和机器学习方法，在虚拟环境中定位声源到具体位置，以克服数据不足的问题，特别是在事后定位中。通过音频变换器谱图方法，我们达到了 0.786 ± 0.0136 的 F1 得分。

Apr, 2024

本研究采用了卷积神经网络作为一种高效且具有高精度的算法，通过对交叉谱矩阵的直接分析寻找声源分布，从而在高频下以很短的时间内实现与传统波束成形相同精度的声源定位。

Feb, 2018

本文研究使用无线电、视觉和音频传感器进行室内定位的方法。通过对最先进的算法和真实数据集的评估，我们更具体地评估了一种基于无线电的机器学习算法与大规模 MIMO 技术、基于视觉的 ORB-SLAM3 算法与 RGB-D 相机以及基于音频的 SFS2 算法与麦克风阵列进行室内定位。讨论了定位精度、可靠性、校准要求和潜在系统复杂性等方面，以分析不同传感器在室内定位任务中使用的优势和局限性。结果可作为鲁棒高精度多传感器定位系统进一步发展的指南和基础，例如通过传感器融合、上下文和环境感知适应。

Sep, 2023

本文提出了一种使用神经网络在人机交互中同时检测和定位多个声源的方法，并采用基于概率的编码以实现对任意数量声源的检测；此外，文章探讨了基于子带交叉相关信息的特征及三种不同基于不同动机的网络架构，实验表明该方法优于传统的空间谱法。

Nov, 2017

提出了一种基于深度学习的方法，利用多个特征和注意机制来估计声源的位置和类别，在声音事件定位和分类任务中展示了超过最先进方法的优越性。

Mar, 2024

本文提出了一种新颖的室内声源定位方法，使用麦克风阵列并基于卷积神经网络（CNN）进行，该方法采用原始音频信号作为输入信息直接估计声源的三维位置，避免了手工制作音频特征。通过使用半合成数据作为训练策略并在实际数据上进行微调，该方法能够显著改善基于 ${SRP-PHAT}$ 策略的现有定位方法，并且展现出更好的对抗不同说话者性别和不同窗口大小的性能。

Jul, 2018

本文提出了一种具有选择性听觉机制的目标讲话者定位算法，通过给定目标讲话者的参考语音，首先生成一个依赖于讲话者的频谱图遮罩以消除干扰讲话者的语音，在经过长短期记忆网络提取过滤后的频谱图中的目标讲话者的位置。实验证实了我们提出的方法在不同尺度不变信噪比条件下相比现有算法的优越性，特别是在 SNR = -10dB 时，我们提出的网络 LocSelect 实现了 3.55 的平均绝对误差 (MAE) 和 87.40% 的准确度 (ACC)。

Oct, 2023