恶劣环境下基于监督学习的多区域声场重放
声音
2021-12-15 v1 音频与语音处理
流体动力学
摘要
本手稿提出了一种使用监督学习进行多区域声场重放的方法。传统的多区域声场重放方法假设声速恒定，忽略了风和温度分层等非线性效应。我们展示了如何通过传递函数的监督学习来克服这些限制。解的质量通过声学对比度和重放误差来衡量。我们的结果表明，对于所选设置，当训练模型中考虑风时，即使在相对较小的风速下，声学对比度和重放误差也可改善多达 16 dB。
引用
@article{arxiv.2112.07349,
title = {Supervised Learning for Multi Zone Sound Field Reproduction under Harsh Environmental Conditions},
author = {Henry Sallandt and Philipp Krah and Mathias Lemke},
journal= {arXiv preprint arXiv:2112.07349},
year = {2021}
}
备注
Preprint submitted for publication