室内声场重建：修复遇见超分辨率
声音
2020-08-07 v2 机器学习
音频与语音处理
摘要
本文提出一种基于深度学习的声场重建方法。研究表明，通过使用极少数量任意布置的不规则分布麦克风，可重建整个房间在 30-300 Hz 频带内声压幅值。此外，该方法对欧几里得空间中测量位置不敏感。特别地，所提方法利用有限数量的声场压力幅值任意离散测量值，将该场外推至空间中更高分辨率的离散点网格，且计算复杂度低。该方法基于一个仅在模拟数据上训练的带部分卷积的 U-net 类神经网络，而模拟数据本身由数千个常见矩形房间的格林函数数值模拟构建。尽管可扩展至三维及不同房间形状，该方法聚焦于从三维声场的测量中重建矩形房间的二维平面。文中给出了使用模拟数据的实验以及在真实听音房间中的实验验证。结果表明，在麦克风数量少且计算需求低的情况下，其性能可能超越传统重建技术。
引用
@article{arxiv.2001.11263,
title = {Sound field reconstruction in rooms: inpainting meets super-resolution},
author = {Francesc Lluís and Pablo Martínez-Nuevo and Martin Bo Møller and Sven Ewan Shepstone},
journal= {arXiv preprint arXiv:2001.11263},
year = {2020}
}
备注
Code: https://github.com/francesclluis/sound-field-neural-network