論文の概要: A data-driven two-microphone method for in-situ sound absorption measurements

• arxiv url: http://arxiv.org/abs/2502.04143v1
• Date: Thu, 06 Feb 2025 15:23:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-07 14:29:23.471693
• Title: A data-driven two-microphone method for in-situ sound absorption measurements
• Title（参考訳）: データ駆動型2マイクロホンによるその場吸音測定
• Authors: Leon Emmerich, Patrik Aste, Eric Brandão, Mélanie Nolan, Jacques Cuenca, U. Peter Svensson, Marcus Maeder, Steffen Marburg, Elias Zea,
• Abstract要約: 本研究では, 無限多孔質スラブの吸音係数を推定するためのデータ駆動手法を提案する。 1D畳み込みネットワークは、2つのマイクロホン位置で測定された音圧間の複素値伝達関数から吸音係数を予測する。
• 参考スコア（独自算出の注目度）: 0.08426358786287627
• License:
• Abstract: This work presents a data-driven approach to estimating the sound absorption coefficient of an infinite porous slab using a neural network and a two-microphone measurement on a finite porous sample. A 1D-convolutional network predicts the sound absorption coefficient from the complex-valued transfer function between the sound pressure measured at the two microphone positions. The network is trained and validated with numerical data generated by a boundary element model using the Delany-Bazley-Miki model, demonstrating accurate predictions for various numerical samples. The method is experimentally validated with baffled rectangular samples of a fibrous material, where sample size and source height are varied. The results show that the neural network offers the possibility to reliably predict the in-situ sound absorption of a porous material using the traditional two-microphone method as if the sample were infinite. The normal-incidence sound absorption coefficient obtained by the network compares well with that obtained theoretically and in an impedance tube. The proposed method has promising perspectives for estimating the sound absorption coefficient of acoustic materials after installation and in realistic operational conditions.
• Abstract（参考訳）: 本研究は, ニューラルネットワークを用いた無限多孔質スラブの吸音係数の推定と, 有限多孔質試料の2マイクロホン測定のためのデータ駆動手法を提案する。 1D畳み込みネットワークは、2つのマイクロホン位置で測定された音圧間の複素値伝達関数から吸音係数を予測する。 ネットワークはDelany-Bazley-Mikiモデルを用いて境界要素モデルによって生成された数値データを用いて訓練され、検証され、様々な数値サンプルの正確な予測が示される。 本手法は, 試料サイズとソース高さの異なる繊維質材料の膨らんだ矩形試料を用いて実験的に検証した。 その結果,ニューラルネットワークは,従来の2マイクロホン法による多孔質材料の音響吸収を,試料が無限であるかのように確実に予測できる可能性が示唆された。 ネットワークによって得られる通常の入射吸音係数は、理論上およびインピーダンス管内で得られたものとよく比較される。 提案手法は, 実運用条件下での音響材料の吸音係数を推定するための有望な視点を有する。

関連論文リスト

• Conditional score-based diffusion models for solving inverse problems in mechanics [6.319616423658121]
  条件付きスコアベース拡散モデルを用いてベイズ推定を行う枠組みを提案する。 条件付きスコアベース拡散モデルは条件分布のスコア関数を近似する生成モデルである。 メカニクスにおける高次元逆問題に対して提案手法の有効性を示す。
  論文  参考訳（メタデータ） (2024-06-19T02:09:15Z)
• Moving beyond simulation: data-driven quantitative photoacoustic imaging using tissue-mimicking phantoms [1.5006258585503878]
  実験的に良好な画像ファントムとそのデジタル双生児のコレクションを紹介する。 この第1種ファントムデータセットは、吸収係数のピクセルワイズ推定のための実験データに基づくU-Netの教師付きトレーニングを可能にする。 シミュレーションデータによるトレーニングは, シミュレーションと実験の間の領域ギャップを補強し, 評価の成果とバイアスをもたらすことを示す。
  論文  参考訳（メタデータ） (2023-06-11T19:12:30Z)
• Bayesian inference and neural estimation of acoustic wave propagation [10.980762871305279]
  本稿では,物理と機械学習を組み合わせて音響信号を解析する新しい枠組みを提案する。 この課題のために, スペクトル音響特性を推定するベイズ推定法, 前方および後方の物理的損失をニューラルネットワークに装備するニューラルネットワーク物理モデル, ベンチマークとして機能する非線形最小二乗法, の3つの手法が開発された。 このフレームワークの単純さと効率性は、シミュレーションデータ上で実証的に検証されている。
  論文  参考訳（メタデータ） (2023-05-28T15:14:46Z)
• Evolution of many-body systems under ancilla quantum measurements [58.720142291102135]
  本研究では,多体格子系をアシラリー自由度に結合させることにより量子測度を実装するという概念について検討する。 従来より抽象的なモデルで見られたように, アンタングリング・エンタングリング測定によって引き起こされる遷移の証拠を見いだす。
  論文  参考訳（メタデータ） (2023-03-13T13:06:40Z)
• A deep learning driven pseudospectral PCE based FFT homogenization algorithm for complex microstructures [68.8204255655161]
  提案手法は,従来の手法よりも高速に評価できる一方で,興味の中心モーメントを予測できることを示す。 提案手法は,従来の手法よりも高速に評価できると同時に,興味の中心モーメントを予測できることを示す。
  論文  参考訳（メタデータ） (2021-10-26T07:02:14Z)
• Mean absorption estimation from room impulse responses using virtually supervised learning [0.0]
  本稿では,室内インパルス応答(RIR)のみから平均吸収係数を推定する新しい手法を紹介し,検討する。 この逆問題は、仮想教師付き学習、すなわち、人工ニューラルネットワークを用いたシミュレーションデータセット上の回帰によって暗黙的に学習される。
  論文  参考訳（メタデータ） (2021-09-01T14:06:20Z)
• Blind Room Parameter Estimation Using Multiple-Multichannel Speech Recordings [37.145413836886455]
  部屋の幾何学的パラメータや音響的パラメータを知ることは、オーディオ拡張現実、音声のデバーベレーション、音声法医学などの応用に有用である。 室内の総表面積,体積,および周波数依存残響時間と平均表面吸収を共同で推定する問題について検討した。 単一チャネルとチャネル間キューの両方を活用する新しい畳み込みニューラルネットワークアーキテクチャを提案し、大規模で現実的なシミュレーションデータセットでトレーニングする。
  論文  参考訳（メタデータ） (2021-07-29T08:51:49Z)
• MINIMALIST: Mutual INformatIon Maximization for Amortized Likelihood Inference from Sampled Trajectories [61.3299263929289]
  シミュレーションベースの推論は、その可能性が実際に計算できない場合でもモデルのパラメータを学習することができる。 あるクラスのメソッドは、異なるパラメータでシミュレートされたデータを使用して、確率とエビデンス比の償却推定器を推定する。 モデルパラメータとシミュレーションデータ間の相互情報の観点から,本手法が定式化可能であることを示す。
  論文  参考訳（メタデータ） (2021-06-03T12:59:16Z)
• Pathloss modeling for in-body optical wireless communications [65.33908037519238]
  光無線通信(OWC)は、次世代の体内ナノスケールネットワークとインプラントの候補として認識されている。 本稿では,体内OWCの一般パスロスモデルについて述べる。
  論文  参考訳（メタデータ） (2021-05-06T17:17:45Z)
• Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
  実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。 特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。 本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
  論文  参考訳（メタデータ） (2021-02-12T12:23:13Z)
• Neural network quantum state tomography in a two-qubit experiment [52.77024349608834]
  機械学習にインスパイアされた変分法は、量子シミュレータのスケーラブルな状態キャラクタリゼーションへの有望な経路を提供する。 本研究では,2ビットの絡み合った状態を生成する実験から得られた測定データに適用することにより,いくつかの手法をベンチマークし比較する。 実験的な不完全性やノイズの存在下では、変動多様体を物理状態に収束させることで、再構成された状態の質が大幅に向上することがわかった。
  論文  参考訳（メタデータ） (2020-07-31T17:25:12Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。