Data-driven sound field measurement for high-resolution spatial audio analysis and its applications

点击翻译按钮获取中文摘要

本年度は，1) 音場補間のためのカーネル関数の適応的アルゴリズムの構築，2) 波動場の性質を組み入れた深層学習型音場計測法の検討，3) 少数観測点からの頭部伝達関数補間手法の構築，の３つについて実施した。1) 音場補間のためのカーネル関数の適応的アルゴリズムの構築では，音場のカーネル補間法において，推定解がヘルムホルツ方程式を満たす制約を保持しつつ，推定対象の環境に対してカーネル関数を適応的に学習可能なアルゴリズムを検討した。具体的には，カーネル関数を複数のサブカーネルの重み付き和として表現し，その重みパラメータを最適化する，マルチカーネル学習の枠組みに基づく。バッチ学習によるアルゴリズムを構築し，数値シミュレーションによって検証・評価を行った。2) 波動場の性質を組み入れた深層学習型音場計測法の検討では，事前の学習データを用いる音場推定の枠組みにおいて，推定結果がHelmholtz方程式を満たすことを損失関数に組み入れる手法を検討した。畳み込みニューラルネットワークに基づく補間において，出力値の補間に基づくヘルムホルツ方程式由来の損失関数を組み入れることに基づく。２次元空間での数値シミュレーションにより，対象領域内が自由空間の場合，散乱体を含む場合の二通りについて検証・評価を行った。3) 少数観測点からの頭部伝達関数補間手法の構築は，開始当初は実施を想定していなかったが，関連性の強い技術として検討に着手した。線形回帰に基づく従来法を再解釈し，オートエンコーダ構造を用いた深層学習に基づく補間手法を構築した。公開データセットを用いた検証・評価により，有効性を確認した。