基于卷积神经网络的任意形状近场声全息
声音
2021-06-30 v2 机器学习
音频与语音处理
摘要
近场声全息(NAH)是一个众所周知的问题，旨在借助声学测量估计结构的振动速度场。本文提出一种基于卷积神经网络(CNN)的 NAH 技术。所设计的 CNN 从有限次测量中预测具有正交各向异性材料性质的任意形状板（小提琴板）表面的振动场。具体而言，该称为超分辨率 CNN (SRCNN) 的架构能够估计出比输入压力空间分辨率更高的振动场。压力与速度数据集通过有限元方法仿真生成。我们通过将估计值与合成的 ground truth 以及一种最先进的技术进行比较来验证所提方法。此外，我们评估了所设计网络对含噪输入数据的鲁棒性。
引用
@article{arxiv.2103.16935,
title = {Near field Acoustic Holography on arbitrary shapes using Convolutional Neural Network},
author = {Marco Olivieri and Mirco Pezzoli and Fabio Antonacci and Augusto Sarti},
journal= {arXiv preprint arXiv:2103.16935},
year = {2021}
}
备注
accepted for publication in EUSIPCO21