Dünne Darstellung des Schallfeldes in einem Raum mit Wörterbuchlernen

Phased Array-Messungen des Schalldrucks in einem Raum ermöglichen die Rekonstruktion des Schallfeldes, d.h. die Schätzung von Druck, Geschwindigkeit und Schallintensität an Positionen, die nicht gemessen wurden. Typischerweise werden analytische Wellenfunktionen verwendet, um die gemessenen Daten zu erweitern und das Wellenfeld zu interpolieren. Diese Basen sind jedoch oft redundant und führen zu nicht-sparsamen Lösungen, da mehrere Basisfunktionen erforderlich sind, um die gemessenen Daten darzustellen. In dieser Studie untersuchen wir die Verwendung von Wörterbuchlernen, um eine spärliche Darstellung des Schallfeldes in einem Raum zu erhalten, unter Verwendung von Atomen, die aus experimentellen Daten gelernt wurden. Ziel ist es, ein Modell reduzierter Dimensionalität zu erhalten, das die räumlichen Eigenschaften des Schallfeldes in einem Raum optimal darstellen kann. Wir analysieren die Eigenschaften der extrahierten Wörterbücher, ihre Fähigkeit, das Schallfeld zu rekonstruieren, und ihre Allgemeingültigkeit. Eine umfassendere Frage ist die Eignung eines bestimmten Wörterbuchs, das aus einem bestimmten Raum extrahiert wurde, um das Schallfeld in einem anderen Raum darzustellen.