MétaCan
Menu
Retour à la cohorte
Enregistrement W3110361558 · doi:10.1121/1.5147776

Ambisonics and blind source separation in virtual acoustics: Sound field reproduction of separated sources

2020· article· en· W3110361558 sur OpenAlexaff
Louis J. Dermagne, Philippe-Aubert Gauthier, Alain Berry

Notice bibliographique

RevueThe Journal of the Acoustical Society of America · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueSpeech and Audio Processing
Établissements canadiensUniversité du Québec à MontréalUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésAmbisonicsAcousticsLoudspeakerMicrophone arrayBlind signal separationComputer scienceMicrophoneDirectional soundArchitectural acousticsAnechoic chamberNoise (video)Separation (statistics)Source separationField (mathematics)Speech recognitionReverberationPhysicsArtificial intelligenceTelecommunicationsMathematics

Résumé

récupéré en direct d'OpenAlex

Blind source separation (BSS) has many applications: sound scene analysis, speech recognition, medical signal processing, etc. However, most of these applications concern the temporal separation of signals. Studies have shown the effectiveness of separation in the ambisonic domain with spherical microphone recordings. Thanks to the ambisonic approach, it is possible to separate the directions of arrival of the sources. As such, BSS becomes a promising tool for sound field reproduction with loudspeakers arrays (WaveField Sythesis or Higher-Order Ambisonics). Thanks to spherical microphone arrays and Ambisonics principle, both spatial and temporal information are available. Therefore, it would be possible to reproduce the individual sound field of each separated source. Thus, one can remove a given source from a recording and reproduce the remaining sound field. The main objective of this work is to reproduce the sound field of one of the captured sources by removing the rest of it (sources or noise). The first part of the paper presents the methods for the BSS and corresponding sound field reproduction. The second part presents simulation results and investigates effect of measurement noise, spatial source separation, and reflection. [Work supported by NSERC Discovery grant.]

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,656
Score d'incertitude au seuil0,234

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,018
Tête enseignante GPT0,273
Écart entre enseignants0,255 · 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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of the Acoustical Society of AmericaMême sujetSpeech and Audio ProcessingTravaux en français237 207