Der Artikel beschreibt einen Ansatz zur Rekonstruktion der Raumübertragungsfunktion (RTF) unter Verwendung komplexwertiger neuronaler Netzwerke (CVNN) und unregelmäßig verteilter Mikrofone.
Zunächst wird das Problem der RTF-Rekonstruktion formuliert, bei dem aus einer begrenzten Anzahl von Messungen an verstreuten Punkten im Raum die vollständige RTF-Matrix geschätzt werden soll. Dazu wird ein CVNN-basierter Ansatz vorgestellt, der in der Lage ist, die komplexwertige RTF direkt zu modellieren.
Im Vergleich zu einem state-of-the-art signalverarbeitungsbasierten Ansatz zeigt der vorgeschlagene CVNN-Ansatz Vorteile in Bezug auf die Genauigkeit der Phasenschätzung und die Gesamtqualität des rekonstruierten Schallfelds. Darüber hinaus wird der CVNN-Ansatz mit einem ähnlich strukturierten datengetriebenen Ansatz verglichen, der jedoch nur die Magnitude des Schallfelds rekonstruiert.
翻譯成其他語言
從原文內容
arxiv.org
深入探究