On the use of modified phase transform weighting functions for acoustic imaging with the generalized cross correlation
Notice bibliographique
Résumé
The generalized cross correlation (GCC) is an efficient technique for performing acoustic imaging. However, it suffers from important limitations such as a large main lobe width for noise sources with low frequency content or a high amplitude of side lobes for noise sources with high frequencies. Prefiltering operation of the microphone signals by a weighting function can be used to improve the acoustic image. In this work, two weighting functions based on PHAse Transform (PHAT) improvements are used. The first adds an exponent to the PHAT expression (ρ-PHAT), while the second adds the minimum value of the coherence function to the denominator (ρ-PHAT-C). Numerical acoustic images obtained with the GCC and those weighting functions are compared and quantitatively assessed thanks to a metric based on a covariance ellipse, which surrounds either the main lobe or the side lobes. The weighting function ρ-PHAT-C provides the smallest surface ellipses especially when the arithmetic of the GCC is replaced by the geometric mean (GEO). Experimental measurements are carried out in a hemi-anechoic room and a reverberant chamber where two loudspeakers were set in front of microphone array. The acoustic images obtained confirm that the ρ-PHAT-C with the GEO outperforms the GCC, GCC-PHAT, and GCC ρ-PHAT.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».