MétaCan
Menu
Retour à la cohorte
Enregistrement W3092469959 · doi:10.1121/10.0001916

On the practical application of the impulse response measurement method with swept-sine signals in building acoustics

2020· article· en· W3092469959 sur OpenAlexaff
Markus Müller-Trapet

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueStructural Health Monitoring Techniques
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésImpulse (physics)Computer scienceImpulse responseAcousticsSine waveSignal processingDigital signal processingMathematicsEngineeringElectrical engineeringPhysicsComputer hardware

Résumé

récupéré en direct d'OpenAlex

Impulse response (IR) measurement methods with deterministic signals have been used in various fields of acoustics for decades, yet there is still a hesitancy to apply them by some practitioners, especially in the building acoustics community. This hesitancy is also the topic of discussion in ASTM standards committees because IR methods are not allowed in ASTM standards. The criticism that prevents a more widespread adoption is that the description of IR methods in existing standards such as ISO 18233 is not sufficient to enable practitioners and equipment manufacturers to reliably implement them. Previous publications have described the theoretical background well, but they have not given sufficient guidance for the practical application with respect to the parameters of the measurement signal. To provide more guidance and show the practical advantages of IR measurement methods, this paper investigates the effects of the design parameters of swept-sine signals. Measurements in a reverberant chamber are used to highlight potential problems and appropriate solutions derived from a theoretical background. Suggestions for the design of measurement signals and for the post-processing of the measured data are provided to achieve optimal and reliable results. This contribution hopefully gives practitioners more confidence in applying the method in the future.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,695
Score d'incertitude au seuil0,431

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,327
Écart entre enseignants0,291 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of the Acoustical Society of AmericaMême sujetStructural Health Monitoring TechniquesTravaux en français237 207