声源定位

Parent: ai_keywords

声源定位：核心定义与关键技术

核心定义

声源定位（Sound Source Localization, SSL）指听觉系统或智能系统依据双耳时间差（ITD）、双耳强度差（ILD）、谱线索及头部相关传输函数（HRTF），对声源在三维空间中的方位（水平角、仰角、距离）进行判别的感知与计算过程。在神经科学中，它依赖上橄榄核、下丘及听觉皮层构成的层级通路；在AI领域，则多借助麦克风阵列与深度学习模型实现高精度方位估计。

关键技术点

1. 双耳线索与HRTF建模

   • ITD（<1.5 kHz）与ILD（>1.5 kHz）是水平定位的基础；HRTF编码声波经头、耳廓的滤波效应，是垂直定位的核心。AI可通过测量或合成HRTF数据集训练端到端模型。

2. 麦克风阵列与波束形成

   • 线性/圆形阵列结合延时求和（DSB）或自适应波束形成（如MVDR），通过空间滤波增强目标方向信号，抑制噪声与混响。适用于机器人听觉与智能会议系统。

3. 基于深度学习的定位方法

   • 利用CNN或Transformer学习声谱图与空间位置的非线性映射，可在复杂混响与低信噪比下达到优于传统方法（如MUSIC、SRP-PHAT）的鲁棒性。常用数据集包括SALSA、TAU Spatial。

4. 听觉场景分析（ASA）与声源分离

   • 结合深度聚类（DPCL）或时域分离网络（Conv-TasNet），在未知声源数量时先分离再定位，提升多声源场景下定位准确率，是“鸡尾酒会问题”的核心技术路径。

医学/神经科学应用场景

脑卒中后听觉空间障碍评估与可塑性监测
在首都医科大学宣武医院神经病学研究中，声源定位被转化为标准化临床范式：卒中患者（尤其右半球损伤致听空间偏侧忽略）在虚拟声场中完成ITD/ILD辨别任务，同时记录事件相关电位（ERP）的N1/P2成分。定位偏差值与对侧丘脑-听觉皮层功能连接强度显著相关。借助AI驱动的自适应定位训练系统（以波束形成生成动态目标声），患者可在3周内提升定位精度28%，伴随fMRI显示受损半球上橄榄核与初级听觉皮层自发活动增强。该范式已用于评估新型经颅直流电刺激（tDCS）联合康复的疗效，成为宣武医院卒中单元个体化神经调控的关键量化指标。