sonoloc 是一个面向**多通道声学事件检测与声源定位（SELD）**的 Python 工具箱， 围绕“弱标注”和“鲁棒噪声场景”两个实际难点组织：既提供可解释的经典信号处理 基线，也给出与 DCASE 任务三对齐的特征、标签和评价指标。
核心以 NumPy / SciPy 实现，安装即用、便于复现；神经网络部分依赖
PyTorch，作为可选组件（pip install "sonoloc[torch]"），不装也不影响其余功能。
- 多通道特征：逐通道 log-mel、麦克风对 GCC-PHAT、FOA 有源声强向量，
以及把它们拼接成统一张量的
FeaturePipeline。 - 经典 DOA 定位：SRP-PHAT、MUSIC，以及可复用的导向向量 / 球面搜索网格。
- 弱标注检测：线性/指数 softmax、注意力等 MIL 池化，把帧级预测聚合成片段级标签。
- ACCDOA 标签：单/多轨 ACCDOA 编解码，方向与活跃度联合表示。
- 鲁棒性数据：自由场平面波渲染 + 扩散噪声按目标 SNR 混合，生成可控的评测场景。
- SELD 指标：段级 ER / F 分数、定位误差 LE、定位召回 LR，及综合 SELD 分数。
- 可选神经模型：CRNN 骨干 + ACCDOA 头（PyTorch）。
- 命令行：
sonoloc doa / features / simulate / info。
pip install sonoloc # 核心（numpy / scipy）
pip install "sonoloc[torch]" # 额外启用神经网络模型仿真一个已知方位的场景，再用 SRP-PHAT 找回方向：
import numpy as np
from sonoloc.config import SonolocConfig
from sonoloc.data.scene import Scene, SoundEvent
from sonoloc.data.simulate import simulate_scene
from sonoloc.io.geometry import tetrahedral_array
from sonoloc.localization import srp_phat
config = SonolocConfig(sample_rate=24000)
array = tetrahedral_array()
event = SoundEvent(class_index=0, azimuth=np.deg2rad(45), elevation=0.0, onset=0.0, offset=1.0)
scene = Scene(duration=1.0, sample_rate=24000, n_classes=13, events=[event])
signal, labels = simulate_scene(scene, array, config, snr_db=10.0)
azimuth, elevation = srp_phat(signal, array, config)
print(azimuth, elevation) # 约 45°, 0°命令行：
sonoloc simulate scene.wav --azimuth 45 --snr 10
sonoloc doa scene.wav --method srp-phat
sonoloc doa scene.wav --method music欢迎提 issue 与 PR，详见 CONTRIBUTING。
MIT © Lucy Liang