权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

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

数据驱动的高分辨率空间音频分析声场测量及其应用

基本信息

批准号：
22H03608
负责人：
小山翔一
金额：
$ 11.07万
依托单位：
National Institute of Informatics (2023)The University of Tokyo (2022)
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (B)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2026-03-31
项目状态：
未结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22H03608/
关键词：
音場解析音響信号処理機械学習バーチャルリアリティ

项目摘要

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。

は this year, 1) sound field to fill between のためのカーネル masato several の optimum 応アルゴリズムの building, 2) wave field のみを group into れた deep learning sound field measuring method の検 beg, 3) a few 観 point からの head 伝 masato number between filling technique の construct, の 3 つについて be applied した. 1) the sound field of curated のためのカーネル masato several の optimum 応アルゴリズムの build では, sound field のカーネル filling method between において, constructive solution がヘルムホルツ equation を against たす restrict を keep しつつ, presumption like の environment に seaborne seaborne してカーネル masato number を optimum 応に learning may なアルゴリズムを beg し検た. Specific には, カーネル masato number を plural のサブカーネルのみ pay き and としてし, その heavy みパラメータを optimization する, マルチカーネル learning の枠 group みに base づく. バッチ learning によるアルゴリズムをし, the numerical シミュレーションによって検 certificate, review 価を line った. Group 2) wave field のをみ into れた deep learning sound field measuring method の beg で検は, advance の learning データを with いる sound constructive の枠 group みにおいて, constructive results が Helmholtz equation を against たすことを loss masato number みに group into れる gimmick を beg し検た. 畳み込みニューラルネットワークに base づく curation において, output between numerical の fill に base づくヘルムホルツ equation origin number の loss masato みを group into the れることに base づく. 2 dimensional space での the numerical シミュレーションにより, like が free space in the field of seaborne の occasions, scattered body contains をむ occasions の two-way りについて検 certificate, review 価を line った. 3) a few 観 point からの伝 head of masato curation technique の build は, start at the beginning は be applied を scenarios していなかったが, masato even strong sexual のい technology として beg に検 to した. Linear back 帰に base づく従 to method to solve until を釈し, オートエンコーをダ structure with いた deep learning に base づく filling technique between を build した. Public デタセットをタセットを use デた検 to verify and evaluate 価によ, validity を to confirm たた.