スキップ接続を導入したCNNを用いた音場再現における測定点の削減

抄録

音場再現は、コンサートホールのような音響空間を複数のスピーカで再現する技術である。音場再現手法の1つであるPressure Matching（PM）法は高精度な音場再現が可能だが、スピーカの伝達関数と所望の音圧を得るために多くの測定点が必要となり、実用化が困難であった。そこで、先行研究では畳み込みニューラルネットワーク（CNN）を用いたデータ駆動型深層学習PM（DLPM）法により、高い精度を維持したまま測定点の低減を実現している。本研究では、更なる精度向上と測定点の削減を目指し、ResNetとU-Netを組み合わせたRes-UNetを適用したDLPM法を提案し、シミュレーション実験で有効性の評価を行った。残差接続によって深いネットワークを実現し、エンコーダとデコーダの離れた層間のスキップ接続によって勾配消失を回避する。実験では、CNN、ResNet、U-Net、およびRes-UNetの各ネットワークアーキテクチャの性能を比較した。実験結果より、提案手法であるU-Netモデルでは測定点を169点から95%削減しながら、十分な再現精度を維持可能であることが明らかとなった。