真实房间中的深度声场重建：引入 ISOBEL 声场数据集
声音
2021-02-15 v1 机器学习
音频与语音处理
摘要
扬声器响应的知识在诸多应用中十分有用，其中音响系统位于房间内，且根据房间内位置的不同会改变聆听体验。对于位于混响房间中的声源，声场的获取可通过覆盖房间的脉冲响应函数的繁重测量实现，或者 alternatively 通过重建方法实现，后者可能仅需显著更少的测量。本文通过引入一个来自四个真实房间的测量数据集，扩展了低频声场重建的评估。ISOBEL 声场数据集是公开可用的，旨在弥合矩形房间中合成声场与真实世界声场之间的差距。此外，本文推进了近期一种基于深度学习的、使用极少数量麦克风进行声场重建的方法，并提出了一种在类 U-Net 神经网络架构中对幅频和相频响应进行建模的方法。复值声场重建表明，所估计的房间传递函数具有足够高的精度，可在 150 Hz 以下使用 15 个麦克风实现与理想房间传递函数相当对比度的个性化声区。
引用
@article{arxiv.2102.06455,
title = {Deep Sound Field Reconstruction in Real Rooms: Introducing the ISOBEL Sound Field Dataset},
author = {Miklas Strøm Kristoffersen and Martin Bo Møller and Pablo Martínez-Nuevo and Jan Østergaard},
journal= {arXiv preprint arXiv:2102.06455},
year = {2021}
}