Key points are not available for this paper at this time.
최근 음향 신호 처리의 발전은 딥러닝 방법론의 통합과 고전적인 파동 확장 기반 접근법의 지속적인 중요성이 함께 나타나고 있습니다. 물리 정보 신경망(PINNs)은 부분 미분 방정식에 의해 지배되는 물리적 현상을 해결하기 위한 데이터 기반 및 모델 기반 기술 간의 간극을 연결하는 새로운 프레임워크로 부상하였습니다. 본 논문에서는 임의의 부피 음향장을 복구하기 위한 PINN 기반 접근법을 소개합니다. 네트워크는 신호 복원에 시간 영역에서의 규제를 부과하기 위해 파동 방정식을 통합합니다. 이 방법론은 네트워크가 음파 전파의 기본 물리를 학습할 수 있게 하며, 제한된 관측 집합에 기반하여 음장 전체를 완전히 특성화할 수 있도록 합니다. 제안된 방법의 효능은 실세계 환경에서의 음성 신호를 포함한 실험을 통해 검증되며, 사용 가능한 측정치의 수 variations을 고려합니다. Moreover, 기존 문헌의 최신 주파수 영역 및 시간 영역 재구성 방법과의 비교 분석을 수행하여 다양한 측정 구성에서의 정확도가 증가함을 강조합니다.
Olivieri 외 (목요일)은 이 문제를 연구했습니다.