International Conference on Information and Knowledge Technology

فارسی

Home / شانزدهمین کنفرانس بین المللی فناوری اطلاعات و دانش

A Deep Learning Framework for Phase-Aware Feature Representation to Improve Sound Source Direction and Distance Estimation

Authors :

Zahra Abolfazli¹ Hamid Reza Abutalebi²

1- Yazd University 2- Yazd University

Keywords :

(Sound Event Localization and Detection (SELD،phase spectrogram features،Conformer

Abstract :

This paper proposes a novel refinement of the network’s input features to improve distance and Direction-of-Arrival estimation in the sound event localization and detection system. Instead of relying on Mel energies, we propose using phase spectrograms as input feature, which effectively preserve inter-channel time delays and capture crucial wave propagation characteristics. Furthermore, we introduce architectural improvements for increased robustness. Specifically, Huber loss replaces MSE, reducing sensitivity to noise. Additionally, MHSA layers are replaced with Conformer blocks to better model both long-range dependencies and local interactions within the audio data. Our experimental results validate the effectiveness of the proposed phase-based feature representation and optimized architecture, demonstrating improvements in both DOA and distance estimation.

List of archived papers

مدیریت توأم منابع و خواب ایستگاه پایه مبتنی بر یادگیری تقویتی در شبکه های فوق متراکم با ارتباطات دو طرفه

طاهره رحمتی - بهروز شاهقلی قهفرخی

استفاده از هوش مصنوعی در فضای آموزش عالی: آن روی سکه

محمدمتین لیث صفار - عسل آغاز

سنجش داده محور ارزش ویژه برند کارکنان

علیرضا برادران - سپیده نصیری

A Deep Learning Framework for Phase-Aware Feature Representation to Improve Sound Source Direction and Distance Estimation

Zahra Abolfazli - Hamid Reza Abutalebi

GNN-based Topology Feature Extraction for Adaptive 6G Network Slicing

Amirmasoud Sepehrian - Siavash Khorsandi

جمع‌آوری، تحلیل و خلاصه سازی نظرات کاربران فارسی زبان در شبکه‌های اجتماعی پیرامون بیماری فراگیر کووید-19

محمدرضا شمس - محمد یاسین فخار محمدرضا شمس - محمد یاسین فخار -

Face Recognition Based on Local Statistical Features and Artificial Neural Network

Mehdi Moghimi - Dr Hadi Grailu

A Hybrid Method to Reduce the Voltage Consumption in the Spiking Neural Networks

Shaghayegh Mehdizadeh saraj - Seyyed Amir Asghari - Mohammadreza Binesh Marvasti

StockFM: پیش بینی قیمت بازار بورس ایران به کمک مدل بنیادین سری زمانی

فاطمه چیت ساز - سامان هراتی زاده

کنترل کیفیت غیرمتمرکز مبتنی بر هوش ترکیبی در سیستم‌های مشارکتی برخط

مهدیه طالب زاده - هاله امین طوسی - محمد اله بخش

more

Samin Hamayesh - Version 44.5.0