HOMULA-RIR|声学研究数据集|音频技术数据集

arXiv2024-02-22 更新2024-06-21 收录

声学研究

音频技术

下载链接：

https://doi.org/10.5281/zenodo.10479726

下载链接

链接失效反馈

资源简介：

HOMULA-RIR数据集由米兰理工大学电子、信息与生物工程系创建，专注于房间脉冲响应（RIRs）的采集，适用于远程参与的电话会议和空间音频应用。该数据集通过高级麦克风和统一线性麦克风阵列获取，涵盖了一个研讨室的广泛区域。数据集内容包括使用线性麦克风阵列模拟主讲者声音采集的RIRs，以及通过高级麦克风密集采样听众位置的RIRs。创建过程中，进行了混响时间和清晰度指数的测量，并通过源定位和分离等应用验证了数据集的有效性。该数据集主要应用于声场重建、声学阵列处理等领域，旨在解决真实环境中声学数据处理的挑战。

提供机构：

米兰理工大学电子、信息与生物工程系

创建时间：

2024-02-22

AI搜集汇总

数据集介绍

构建方式

HOMULA-RIR数据集通过使用高阶麦克风（HOMs）和均匀线性麦克风阵列（ULA）在真实环境中采集房间脉冲响应（RIRs）构建而成。具体而言，在一个研讨室内，使用了64个麦克风的ULA系统来模拟远程会议系统中的主讲者声音采集，而HOMs则被部署在听众席位上，以模拟实际听众的听觉体验。数据集的采集过程包括使用对数正弦扫描信号，频率范围从50 Hz到22 kHz，采样率为48 kHz，并通过Dante™系统进行音频流的同步和路由。此外，数据集还包括了房间的几何校准和声学参数的测量，如混响时间和清晰度指数，以确保数据的准确性和实用性。

使用方法

HOMULA-RIR数据集可用于多种声学信号处理任务，如声源定位、声源分离和声场重建等。用户可以通过分析数据集中的RIRs来评估和优化音频处理算法，特别是在远程会议和空间音频应用中的性能。数据集提供了多通道的wav文件格式，便于直接用于信号处理实验。此外，数据集还附带了麦克风阵列的几何位置信息和声学参数测量结果，用户可以根据这些信息进行更精确的声学建模和算法验证。数据集的开放获取方式也便于研究者和开发者进行广泛的应用和研究。

背景与挑战

背景概述

HOMULA-RIR数据集是由米兰理工大学电子、信息与生物工程系的研究团队创建的，旨在为远程会议和空间音频应用提供房间脉冲响应（RIR）数据。该数据集通过高阶麦克风（HOMs）和均匀线性麦克风阵列（ULA）进行采集，模拟了远程会议场景中的声学环境。具体而言，研究团队在米兰理工大学的Schiavoni研讨室内进行了测量，使用64麦克风的ULA系统捕捉主讲者的声音，同时使用HOMs模拟了25名实际参与者的听觉体验。该数据集不仅适用于远程会议应用，还为虚拟声学等空间音频应用提供了丰富的声学数据。

当前挑战

HOMULA-RIR数据集的构建面临多项挑战。首先，如何在真实环境中准确捕捉房间脉冲响应，以模拟复杂的声学环境，是一个技术难题。其次，使用高阶麦克风和线性阵列的混合设置，要求在数据采集过程中进行精确的校准和同步，以确保数据的准确性和一致性。此外，数据集的多样性和复杂性使得其在训练和验证机器学习算法时，需要处理大量的数据和复杂的声学特性，如混响时间和清晰度指数的计算。这些挑战不仅涉及硬件和软件的技术问题，还需要在声学建模和数据处理方面具备深厚的专业知识。

常用场景

经典使用场景

HOMULA-RIR数据集的经典使用场景主要集中在远程会议和空间音频应用中。通过使用高阶麦克风（HOMs）和均匀线性麦克风阵列（ULA），该数据集能够模拟真实的远程会议环境，特别是在多通道音频采集和声场重建方面。例如，在远程会议系统中，ULA用于捕捉主讲者的声音，而HOMs则模拟会议室中实际听众的听觉体验，从而为声源定位和分离提供了丰富的数据支持。

解决学术问题

HOMULA-RIR数据集解决了在真实环境中评估声源分离、语音增强和声场重建等技术性能的学术问题。通过提供在真实会议室中采集的房间脉冲响应（RIRs），该数据集为研究人员提供了一个可靠的基准，用于测试和验证各种音频处理算法。特别是在机器学习和数据驱动算法日益普及的背景下，HOMULA-RIR为这些算法的训练和验证提供了大量真实环境数据，推动了相关领域的研究进展。

实际应用

HOMULA-RIR数据集在实际应用中具有广泛的应用前景，特别是在远程会议和虚拟现实领域。例如，在远程会议系统中，该数据集可以用于开发更精确的声源分离和语音增强算法，从而提高会议的音频质量。此外，在虚拟现实和增强现实应用中，HOMULA-RIR可以用于模拟真实环境中的声场，帮助用户在虚拟空间中获得更逼真的听觉体验。

数据集最近研究

相关研究论文

1
HOMULA-RIR: A Room Impulse Response Dataset for Teleconferencing and Spatial Audio Applications Acquired Through Higher-Order Microphones and Uniform Linear Microphone Arrays米兰理工大学电子、信息与生物工程系 · 2024年

以上内容由AI搜集并总结生成

用户留言

有没有相关的论文或文献参考？

这个数据集是基于什么背景创建的？

数据集的作者是谁？

能帮我联系到这个数据集的作者吗？

这个数据集如何下载？

点击留言

数据主题

具身智能

数据集 4099个

机构 8个

大模型

数据集 439个

机构 10个

无人机

数据集 37个

机构 6个

指令微调

数据集 36个

机构 6个

蛋白质结构

数据集 50个

机构 8个

空间智能

数据集 21个

机构 5个

5,000+

优质数据集

54 个

任务类型

进入经典数据集

热门数据集

中国1km分辨率逐月降水量数据集（1901-2023）

该数据集为中国逐月降水量数据，空间分辨率为0.0083333°（约1km），时间为1901.1-2023.12。数据格式为NETCDF，即.nc格式。该数据集是根据CRU发布的全球0.5°气候数据集以及WorldClim发布的全球高分辨率气候数据集，通过Delta空间降尺度方案在中国降尺度生成的。并且，使用496个独立气象观测点数据进行验证，验证结果可信。本数据集包含的地理空间范围是全国主要陆地（包含港澳台地区），不含南海岛礁等区域。为了便于存储，数据均为int16型存于nc文件中，降水单位为0.1mm。 nc数据可使用ArcMAP软件打开制图; 并可用Matlab软件进行提取处理，Matlab发布了读入与存储nc文件的函数，读取函数为ncread，切换到nc文件存储文件夹，语句表达为：ncread (‘XXX.nc’,‘var’, [i j t],[leni lenj lent])，其中XXX.nc为文件名，为字符串需要’’；var是从XXX.nc中读取的变量名，为字符串需要’’；i、j、t分别为读取数据的起始行、列、时间，leni、lenj、lent i分别为在行、列、时间维度上读取的长度。这样，研究区内任何地区、任何时间段均可用此函数读取。Matlab的help里面有很多关于nc数据的命令，可查看。数据坐标系统建议使用WGS84。

国家青藏高原科学数据中心收录

中国食物成分数据库

食物成分数据比较准确而详细地描述农作物、水产类、畜禽肉类等人类赖以生存的基本食物的品质和营养成分含量。它是一个重要的我国公共卫生数据和营养信息资源，是提供人类基本需求和基本社会保障的先决条件；也是一个国家制定相关法规标准、实施有关营养政策、开展食品贸易和进行营养健康教育的基础，兼具学术、经济、社会等多种价值。本数据集收录了基于2002年食物成分表的1506条食物的31项营养成分（含胆固醇）数据，657条食物的18种氨基酸数据、441条食物的32种脂肪酸数据、130条食物的碘数据、114条食物的大豆异黄酮数据。

国家人口健康科学数据中心收录

Breast Cancer Dataset

该项目专注于清理和转换一个乳腺癌数据集，该数据集最初由卢布尔雅那大学医学中心肿瘤研究所获得。目标是通过应用各种数据转换技术（如分类、编码和二值化）来创建一个可以由数据科学团队用于未来分析的精炼数据集。

github 收录

VisDrone2019

VisDrone2019数据集由AISKYEYE团队在天津大学机器学习和数据挖掘实验室收集，包含288个视频片段共261,908帧和10,209张静态图像。数据集覆盖了中国14个不同城市的城市和乡村环境，包括行人、车辆、自行车等多种目标，以及稀疏和拥挤场景。数据集使用不同型号的无人机在各种天气和光照条件下收集，手动标注了超过260万个目标边界框，并提供了场景可见性、对象类别和遮挡等重要属性。

github 收录

典型分布式光伏出力预测数据集

光伏电站出力数据每5分钟从电站机房监控系统获取；气象实测数据从气象站获取，气象站建于电站30号箱变附近，每5分钟将采集的数据通过光纤传输到机房；数值天气预报数据利用中国电科院新能源气象应用机房的WRF业务系统（包括30TF计算刀片机、250TB并行存储）进行中尺度模式计算后输出预报产品，每日8点前通过反向隔离装置推送到电站内网预测系统。

国家基础学科公共科学数据中心收录