基于物理信息神经网络的管内声场重建
音频与语音处理
2025-05-20 v1 声音
信号处理
应用物理
摘要
本研究探讨了物理信息神经网络（PINN）在声学管道分析反问题中的应用，重点关注从含噪且有限的观测数据中重建声场。具体而言，我们处理了辐射模型未知且仅在管道辐射端可获得压力数据的场景。我们提出了一个PINN框架来重建声场，并提出了用于预测辐射模型系数的PINN微调方法（PINN-FTM）和传统优化方法（TOM）。结果表明，即使在辐射参数未知的情况下，PINN也能在含噪条件下有效重建管道的声场。PINN-FTM通过提供平衡且可靠的预测，并表现出强大的噪声容忍能力，其性能优于TOM。
引用
@article{arxiv.2505.12557,
title = {Acoustic Field Reconstruction in Tubes via Physics-Informed Neural Networks},
author = {Xinmeng Luan and Kazuya Yokota and Gary Scavone},
journal= {arXiv preprint arXiv:2505.12557},
year = {2025}
}
备注
8 pages, 5 figures, conference