学习多目标TDOA特征用于声音事件定位与检测

本研究针对声音事件定位与检测（SELD）系统中音频特征质量对定位性能的重要性进行了探索，提出了一种基于神经广义互相关相位变换（NGCC-PHAT）的新特征，使其适用于多重重叠声音事件的TDOA估计。通过在STARSS23数据集上的测试，结果显示该方法显著提升了定位性能，超越了标准的GCC-PHAT和SALSA-Lite输入特征。