Fast Time Difference of Arrival Estimation for Sound Source Localization using Partial Cross Correlation

Q: 이 논문에서 정의한 부분 상호 상관이란 무엇인가?

TDOA 추정 속도를 향상시키기 위해 제안된 방법으로, 신호의 에너지 레벨을 활용하여 상관 함수 계산 범위를 사전에 예측하고 필요한 부분만을 선택적으로 계산함으로써 전체적인 연산량을 줄이는 효율적인 신호 처리 기법이다.

Q: 부분 상호 상관 방법이 기존 TDOA 추정 방식과 비교하여 가지는 효과는 무엇인가?

연구 결과, 제안된 방법은 전통적인 시간 영역 상호 상관 방식 대비 계산 시간을 약 50% 단축시켜 TDOA 추정 속도를 2배 향상시켰으며, 각도 측정 실험에서도 신뢰할 수 있는 정확도를 유지하여 실시간 감시 시스템 적용 가능성을 입증하였다.

Mariam Yiwere; Eun Joo Rhee

학술저널

저자정보: Mariam Yiwere (Hanbat National University) Eun Joo Rhee (Hanbat National University)

저널정보: 한국데이터전략학회 Journal of Information Technology Applications & Management Journal of Information Technology Applications & Management Vol.22 No.3

오류 신고하기

피인용 1

검색

초록·키워드

This paper presents a fast Time Difference of Arrival (TDOA) estimation for sound source localization. TDOA is the time difference between the arrival times of a signal at two sensors. We propose a partial cross correlation method to increase the speed of TDOA estimation for sound source localization. We do this by predicting which part of the cross correlation function contains the required TDOA value with the help of the signal energies, and then we compute the cross correlation function in that direction only. Experiments show approximately 50% reduction in the cross correlation computation time thereby increasing the speed of TDOA computation. This makes it very relevant for real world surveillance.

#Sound Source Localization #Time Difference of Arrival #Partial Cross Correlation

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

UCI(KEPA) : I410-ECN-0101-2016-005-001978545

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료