Neural network for multi-exponential sound energy decay analysis

Georg Götz*, Ricardo Falcon Perez, Sebastian Schlecht, Ville Pulkki

*Tämän työn vastaava kirjoittaja

Tutkimustuotos: LehtiartikkeliArticleScientificvertaisarvioitu

2 Sitaatiot (Scopus)
5 Lataukset (Pure)

Abstrakti

An established model for sound energy decay functions (EDFs) is the superposition of multiple exponentials and a noise term. This work proposes a neural-network-based approach for estimating the model parameters from EDFs. The network is trained on synthetic EDFs and evaluated on two large datasets of over 20 000 EDF measurements conducted in various acoustic environments. The evaluation shows that the proposed neural network architecture robustly estimates the model parameters from large datasets of measured EDFs while being lightweight and computationally efficient. An implementation of the proposed neural network is publicly available.
AlkuperäiskieliEnglanti
Sivut942-953
Sivumäärä13
JulkaisuJournal of the Acoustical Society of America
Vuosikerta152
Numero2
DOI - pysyväislinkit
TilaJulkaistu - 12 elok. 2022
OKM-julkaisutyyppiA1 Julkaistu artikkeli, soviteltu

Sormenjälki

Sukella tutkimusaiheisiin 'Neural network for multi-exponential sound energy decay analysis'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

Siteeraa tätä