💥💥💞💞欢迎来到本博客❤️❤️💥💥
🏆博主优势:🌞🌞🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。
⛳️座右铭:行百里者,半于九十。
📋📋📋本文目录如下:🎁🎁🎁
目录
💥1 概述
摘要:
为了在大范围内传输物理声场,需要将麦克风阵列接收的信号转换为扬声器阵列的驱动信号以重现声场。我们提出了一种利用平面或线性麦克风和扬声器阵列来进行信号转换的方法。基于时空频率域中波传播的物理方程,我们推导出了连续的变换方程。通过引入空间采样,我们得到了唯一确定的变换滤波器,称为波场重建滤波器(WFR filter)。数值模拟表明,WFR filter可以实现与传统的最小二乘(LS)方法获得的性能相同。然而,由于所提出的WFR filter被表示为空间卷积,因此在滤波器设计、滤波器尺寸、计算成本和滤波器稳定性方面具有许多优势,超过了LS方法设计的变换滤波器。
我们提出了一种适用于平面或线性麦克风和扬声器阵列的SP-DS转换方法。为了设计和应用变换滤波器的简单程序,我们应用了接收器和次级源(即麦克风和扬声器)的连续分布概念,以及波传播的物理特性。这些概念使我们能够推导出一个连续的变换方程,将声压分布与在时空频率域中再现声场所需的驱动信号相关联[27],[28]。这个变换方程通过同时解决由次级源合成的声场和所需的声场(定义为雷利积分),即波场重建方程(WFR equation),从而进行了分析推导。通过离散化,将麦克风阵列接收的信号转换为扬声器阵列的驱动信号的变换滤波器得到了唯一确定。这个变换滤波器被定义为波场重建滤波器(WFR filter)。因此,只需使用平面或线性全向麦克风阵列获取信号,就可以计算平面或线性扬声器阵列的驱动信号。由于WFR filter不仅具有解析推导,还表示为空间卷积,因此在滤波器设计、滤波器尺寸、计算成本和滤波器稳定性等方面,与传统的LS方法相比,具有许多优势。
本文组织如下。在第二节中,我们介绍了谱分割方法,这是我们提出的方法的基础。第三节介绍了通过使用接收器和次级源的连续分布推导出的WFR方程。在第四节中,引入了空间采样,并描述了WFR滤波器作为离散变换滤波器。第五节介绍了LS方法的推导,并对比了所提出的方法和LS方法之间的性质。第六节报告了将所提出的方法与LS方法进行比较的模拟实验。最后,在第七节总结了本文。
📚2 运行结果
部分代码:
%% Parameters
WindowLocation;
%Sound velocity [m/s]
c=340.29;
%% Parameters: Reproduced area
%Size of reproduced area [m]
lenX=4.2;
lenY=4.2;
%Interval of reproduced area [m]
dx=0.015;
dy=0.015;
%Number of samples
Nx=round(lenX/dx);
Ny=round(lenY/dy);
%Positions
xr = (((0:Nx-1)-Nx/2).*dx)';
yr = ((0:Ny-1).*dy-0.2)';
zr = 0;
%% Parameters: Loudspeaker array
%Number of loudspeakers
Nsp = 64;
%Loudspeaker interval [m]
d_sp = 0.06;
%Array size [m]
len_sp = Nsp*d_sp;
%Positions
if mod(Nsp,2)==0
x_sp = (((0:Nsp-1)-Nsp/2+0.005).*d_sp)';
else
🎉3 参考文献
文章中一些内容引自网络,会注明出处或引用为参考文献,难免有未尽之处,如有不妥,请随时联系删除。