物理导向的方向感知神经声学场
声音
2025-07-10 v1 音频与语音处理
信号处理
摘要
本文提出了一种用于建模一阶 Ambisonic (FOA) 房间脉冲响应 (RIR) 的物理导向神经网络 (PINN)。PINN 已在声场插值中展现出良好性能，因其融合了神经网络的强大建模能力与声传播的物理原理。在房间声学领域，PINN 通常被训练以表示由全向麦克风测量的声压，利用波方程或其频域对应形式，即 Helmholtz 方程。与此同时，FOA RIR 额外提供了空间特征，对沉浸式音频生成具有广泛应用价值。本文将 PINN 框架扩展到 FOA RIR 模型。我们基于粒子速度与 FOA (X, Y, Z) 通道之间的对应关系，推导了两种针对 FOA RIR 的物理先验。这些先验将预测的 W 通道与其他通道通过其偏导数关联，并对四个通道施加物理可行关系。我们的实验表明，本文方法优于不采用物理先验的神经网络。
引用
@article{arxiv.2507.06826,
title = {Physics-Informed Direction-Aware Neural Acoustic Fields},
author = {Yoshiki Masuyama and François G. Germain and Gordon Wichern and Christopher Ick and Jonathan Le Roux},
journal= {arXiv preprint arXiv:2507.06826},
year = {2025}
}
备注
Accepted to WASPAA 2025