MétaCan
Menu
Retour à la cohorte
Enregistrement W3209588269 · doi:10.3390/buildings11110519

Diffuseness Quantification in a Reverberation Chamber and Its Variation with Fine-Resolution Measurements

2021· article· en· W3209588269 sur OpenAlexaff
Shuying Zhang, Joonhee Lee

Notice bibliographique

RevueBuildings · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAcoustic Wave Phenomena Research
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésRepeatabilityAcousticsMicrophoneStandard deviationRange (aeronautics)Electromagnetic reverberation chamberReverberationReproducibilityRobustness (evolution)StatisticsMathematicsSound pressureMaterials sciencePhysics

Résumé

récupéré en direct d'OpenAlex

Insufficient diffuseness is the major cause of the poor repeatability and reproducibility of building acoustical measurements in a reverberation chamber. Inaccurate results were reported for the prevailing methods in ISO and ASTM standards. Many previous studies, thus, have proposed new methods to quantify the diffuseness of a reverberation chamber more accurately, but there is no general agreement among researchers on the most reliable method. The number of measurement samples required for these diffuseness metrics is also unclear, even though it significantly impacts the robustness of the methods. This study, therefore, aims to compare the performance of the two widely used diffuseness metrics (spatial variation of sound pressure levels and the relative standard deviation of decay rates) in the standards and the recently introduced metric (degree of time series fluctuation). The measurements were carried out with fine resolution microphone positions and varied configurations of acoustic diffusers. The degree of time series fluctuation showed the best correlation with varying diffuser configurations in the low-frequency range. Confidence intervals and coefficients of variation of the three metrics by random sampling also indicated that DTF is more reliable for evaluating the diffuseness in a sound field as it is less influenced by the number of sampling.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,825
Score d'incertitude au seuil0,361

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0000,000
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 Opus0,036
Tête enseignante GPT0,249
Écart entre enseignants0,213 · 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'étudeExpérimental (laboratoire)
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

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBuildingsMême sujetAcoustic Wave Phenomena ResearchTravaux en français237 207