Robot Audition and Sound Source Localization: A Survey

该论文是机器人听觉和声源定位领域的综合性综述，系统梳理了机器人听觉系统的原理、算法和在各类机器人中的应用。机器人听觉是机器人感知环境的重要模态，能够实现声源定位、语音识别、声音事件检测、环境声音分析等功能，在人机交互、安防监控、服务机器人、自动驾驶等领域有广泛应用。论文将机器人听觉方法分为五大类：1）基于到达时间差（TDOA）的方法，包括广义互相关（GCC）、相位变换（PHAT）等；2）基于高分辨率谱估计的方法，包括MUSIC、ESPRIT、ROOT-MUSIC等；3）基于波束形成的方法，包括延迟求和、最小方差无畸变响应（MVDR）、线性约束最小方差（LCMV）等；4）基于深度学习的方法，包括基于CNN/RNN/Transformer的声源定位、端到端声音事件检测等；5）基于机器人运动的主动听觉方法，包括旋转运动、移动平台运动等。论文详细讨论了麦克风阵列设计、噪声与混响处理、多声源分离与定位、语音增强与识别、声音事件检测与分类等关键技术，以及在服务机器人、安防机器人、自动驾驶、人机交互等场景的应用。该综述引用超过600次，是机器人听觉领域的重要参考资料。