基于可微脉冲列合成的物理信息神经引擎声学建模

发动机声音源自排气压力脉冲序列，而非持续的谐波振荡。虽然神经合成方法通常旨�逼近结果谱特征，但我们提出直接建模脉冲形状和时间结构。我们提出了脉冲列共振器 (PTR) 模型，一种可微分的合成架构，将发动机音频生成参数化脉冲列，按发动机点火模式对齐，并通过递归卡尔普克-斯特rong 共振器模拟排气声学。该架构整合了包括谐波衰减、热力学音调调制、阀门动力学包络、排气系统共振以及街减油切断 (DCFO) 等在内的物理信息归纳偏置，并推导发动机运行模式。该方法在三个不同发动机类型、总计 7.5 小时音频数据上验证，PTR 在谐波重构上实现 21% 的改进，总损失降低 5.7%，并提供对应物理现象的可解释参数。完整代码、模型权重和音频示例均已公开。