具有物理声场先验的生成对抗网络
音频与语音处理
2023-08-02 v1 人工智能
摘要
本文提出一种基于深度学习的方法，利用生成对抗网络(GANs)进行声场的时空重建。该方法利用平面波基并学习房间内声压的潜在统计分布，从而根据有限数量的测量准确重建声场。使用两个已有数据集评估该方法性能，并与最先进方法比较。结果表明，该模型在精度和能量保持方面实现了改进的重建性能，尤其在高频范围及外推至测量区域之外时。此外，所提方法能处理变化的测量位置数量与配置而不损失性能。结果表明，这种使用生成模型的方法为声场重建提供了有前景的途径，其允许将物理驱动的先验用于声学问题。
引用
@article{arxiv.2308.00426,
title = {Generative adversarial networks with physical sound field priors},
author = {Xenofon Karakonstantis and Efren Fernandez-Grande},
journal= {arXiv preprint arXiv:2308.00426},
year = {2023}
}
备注
13 pages, 11 figures, submitted to the Journal of the Acoustical Society of America