通过条件自编码器学习声场幅度分布

提出了一种基于学习的方法，用于从空间稀疏测量中估计声场的幅度分布。当相位测量不可靠或不可访问时，估计声学传递函数幅度分布非常有用，并且具有与空间音频相关的广泛应用。我们提出了一种基于神经网络的ATF幅度估计方法。我们网络架构的关键特征是输入和输出层以源和接收器位置及频率为条件，以及潜在变量的聚合模块，这可以解释为基于自编码器的声场基展开扩展。数值模拟结果表明，我们提出的方法能够使用少量接收器准确估计ATF幅度。