面向区域到区域声场重建的置换不变性物理驱动神经网络
音频与语音处理
2026-01-28 v1
摘要
大多数现有声场重建方法针对点到区域重建，使用声学传递函数（ATF）在固定位置的声源和接收区域之间进行插值。由于现实世界的 ATF 随声源位置和接收区域位置连续变化，这些方法的适用性受到限制。本文提出了一种面向区域到区域声场重建的置换不变性物理驱动神经网络，旨在跨连续变化的声源和测量区域插值 ATF。该方法采用深度集 architecture 处理接收和声源位置作为无序集合，保持声学 reciprocity。此外，它将亨尔哈姆方程作为物理约束纳入网络训练，以确保预测结果具有物理一致性。
引用
@article{arxiv.2601.19491,
title = {Permutation-Invariant Physics-Informed Neural Network for Region-to-Region Sound Field Reconstruction},
author = {Xingyu Chen and Sipei Zhao and Fei Ma and Eva Cheng and Ian S. Burnett},
journal= {arXiv preprint arXiv:2601.19491},
year = {2026}
}
备注
Accepted to the 31st International Congress on Sound and Vibration (ICSV 2025)