Influence of the Scattering Effect on Acoustic Image Obtained with a Spherical Microphone Array
Notice bibliographique
Résumé
Longterm exposure to noise in the workplace can lead hearing loss and other psychosocial effects. Among the most effective noise reduction methods is to apply efforts directly at the source. To do so, each source must be characterized by their spatial location and contribution. In the workplace, a Spherical Microphone Array (SMA) can be used. When the microphones are held on a wireframe structure or on thin rods, the SMA is considered acoustically transparent, and the Conventional Beamforming in the Frequency domain (CBF) algorithm can be used. The CBF, however, does not compensate for the scattering effect of a diffracting object. On the other hand, rigid SMAs are usually made of a solid sphere with flush-mounted microphones and may scatter the acoustic waves. Although the literature has shown the advantages of using a rigid SMA with the spherical harmonics decomposition, the influence of the scattering effect on the acoustic image when not accounted for remains under-examined. This study aims to assess the influence of the uncompensated scattering effects on acoustic images obtained with a SMA. Images obtained with a rigid SMA are compared to those obtained from a theoretical perfectly transparent SMA using the CBF. First, a spherical wave field is simulated using a finite element analysis model to generate the microphone signals for both SMAs. Then, the images are generated using the CBF and three image quality criteria are used to assess the scattering effects, i.e., the ellipse area ratio, the mainlobe-to-sidelobe ratio and the mainlobe level. Results show that the influence of the scattering effect, if not corrected, will reduce the width of the mainlobe and amplify the level of the sidelobes. The effect on the estimated source level is not significant in this case. © 2023, The authors.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».