一种零样本物理信息字典学习方法用于声场重建

声场重建旨在估计缺乏直接测量的区域内压力场。现有技术往往依赖强假设或面临数据可用性或物理属性显式建模的挑战。为弥合这一差距，本研究引入一种零样本、物理信息驱动的字典学习方法，以进行声场重建。该方法仅依赖少量稀疏测量即可学习字典，无需额外训练数据。此外，通过在优化过程中强制执行亨尔茨方程，所提出的方法确保重建的声场以少量物理有意义原子的线性组合形式呈现。在真实数据上的评估表明，该方法在性能上与最先进的字典学习技术相当，优势在于仅需少量声场观测且无需数据集训练。