通过神经场和紧凑阵列获取的稀疏声学数据推断表面阻抗
声音
2026-02-13 v1 机器学习
摘要
吸声材料的标准化实验室表征依赖于理想化的声场假设，这与实际情况偏差很大。因此，现场声学表征对于精确诊断和虚拟原型设计变得至关重要。我们提出了一种物理信息神经场，它从稀疏的压力样本中重建局部的、近表面的宽带声场，以直接推断复表面阻抗。一种并行的多频率架构使得在数秒到数分钟的运行时间内实现宽带阻抗检索。为了验证该方法，我们开发了一种硬件复杂度低的紧凑麦克风阵列。数值验证和实验室实验证明了在现实条件下使用少量传感器进行准确阻抗检索的能力。我们进一步在车辆座舱中展示了该方法，以提供关于避免强干扰的测量位置的实际指导。在这里，我们表明这种方法为建筑和汽车声学中的现场边界条件表征提供了一种稳健的手段。
引用
@article{arxiv.2602.11425,
title = {Surface impedance inference via neural fields and sparse acoustic data obtained by a compact array},
author = {Yuanxin Xia and Xinyan Li and Matteo Calafà and Allan P. Engsig-Karup and Cheol-Ho Jeong},
journal= {arXiv preprint arXiv:2602.11425},
year = {2026}
}