深度声场去噪器：基于深度神经网络的光学测量声场去噪
信号处理
2023-09-22 v2 声音
音频与语音处理
图像与视频处理
光学
摘要
本文提出一种深度声场去噪器，即基于深度神经网络（DNN）的光学测量声场图像去噪方法。使用光学方法的声场成像因能够实现传统声学传感器无法完成的高空间分辨率声学现象成像而受到相当关注。然而，由于光学干涉测量对空气声的低灵敏度，光学测量的声场图像常受到严重噪声污染。在此，我们提出一种基于 DNN 的声场去噪方法。通过时间方向傅里叶变换将时变声场图像序列分解为谐波复振幅图像。将复图像转换为由实部和虚部组成的两通道图像，并通过无非线性激活网络去噪。该网络在由参数随机化的数值声学仿真获得的声场数据集上训练。我们在数值和实验数据上将该方法与常规方法（如图像滤波器、时空滤波器及其他 DNN 架构）进行比较。实验数据由并行相移干涉测量和全息散斑干涉测量测得。所提出的深度声场去噪器在数值和实验数据上均显著优于常规方法。代码可在 GitHub 获取：https://github.com/nttcslab/deep-sound-field-denoiser。
引用
@article{arxiv.2304.14923,
title = {Deep sound-field denoiser: optically-measured sound-field denoising using deep neural network},
author = {Kenji Ishikawa and Daiki Takeuchi and Noboru Harada and Takehiro Moriya},
journal= {arXiv preprint arXiv:2304.14923},
year = {2023}
}
备注
16 pages, 10 figures, 2 tables