XiaoMi-AI文件搜索系统
World File Search SystemAcoustic
声音晶格中的时间折射
简介 - 随着时变媒体的传播在各种领域都引起了很多关注。电磁系统和机械系统的先前工作都集中在培养基中的周期性变化上，从而使现象包括副局部扩增[1-3]，非互联性传播[4-7]或拓扑作用[8-10]。最近的焦点已转移到传播波与非周期性变化的相互作用，尤其是培养基特性的边界或不连续性，尤其是折射率，尤其是折射率[11-13]。由于引入了时间边界[14]，因此已将它们作为空间折射的时间类似物研究[15-22]，并扩展到一般的时空变化[23-26]。已经提出了通过快速的时间变化来实现电磁波的各种功能，例如抗反射颞涂层[27]，薄吸收器[28]或时射镜[29,30]。已经探索了时间边界的自然扩展，包括时间板和分层介质[31 - 34]和有限上升时间的边界[35]。时间边界可以启用宽带，线性频率转换[12,13]，而无需典型的考虑常规非线性频率con版本，例如相位匹配[36 - 39]。在实验上，闪光电离[40,41]，迅速变化的光学元表面[12]，金属 - 官方导体波导的超快泵送[42]和电纵向控制的水波[43] [43]已显示出使用颞界实现频率的频率。我们采用由排斥>组成的一维声音晶格至关重要的是，达到时间边界通常需要外部田地的均匀变化[40,41,43]或泵送和输入信号的精确重合[12]。在这封信中，我们介绍了弹性特性中的声波折射的第一个实验示例。
一个声学数据集，用于感知水下未爆炸的军械（UXO）
摘要 - 在20世纪，数百万吨的弹药被倾倒到全球的海洋中。经过数十年的衰减，这些未探索的军械（UXO）的问题开始变得显而易见。为了促进通过例如自主水下车辆，获取代表性数据至关重要。但是，到目前为止，此类数据尚未公开可用。在本文中，我们提出了一个多模式同步数据的数据集，用于uxo水下的声学和光学传感。使用ARIS 3000成像声纳，GoPro Hero 8和定制设计龙门起重机，我们在受控的环境中录制了近100个轨迹和74,000帧的3种不同类型的UXO。是原始和极性转换的声纳框架，带注释的相机框架，声纳和目标姿势，纹理3D模型，校准矩阵等。该数据集可在https：//zenodo.org/records/11068046上公开获得。可以在https://github.com/dfkiric/uxo-dataset2024上获得处理原始数据的代码。
增材制造中打印质量预测的光谱特征分析：基于声学的方法
摘要：增材制造 (AM) 工艺中的质量预测至关重要，特别是在航空航天、生物医学和汽车等高风险制造业。声学传感器已成为一种有价值的工具，可通过分析特征和提取独特特征来检测打印图案的变化。本研究重点关注熔融沉积成型 (FDM) 3D 打印样品立方体 (10 mm × 10 mm × 5 mm) 的声学数据流的收集、预处理和分析。以 10 秒为间隔提取不同层厚度的时域和频域特征。使用谐波-打击源分离 (HPSS) 方法对音频样本进行预处理，并使用 Librosa 模块对时间和频率特征进行分析。进行了特征重要性分析，并使用八种不同的分类器算法（K最近邻（KNN）、支持向量机（SVM）、高斯朴素贝叶斯（GNB）、决策树（DT）、逻辑回归（LR）、随机森林（RF）、极端梯度提升（XGB）和轻梯度提升机（LightGBM））实施机器学习（ML）预测，以基于标记数据集对打印质量进行分类。使用具有不同层厚度的三维打印样品（代表两种打印质量水平）生成音频样本。从这些音频样本中提取的频谱特征作为监督ML算法的输入变量，以预测打印质量。调查显示，频谱平坦度、频谱质心、功率谱密度和RMS能量的平均值是最关键的声学特征。使用包括准确度分数、F-1分数、召回率、精确度和ROC / AUC在内的预测指标来评估模型。极端梯度提升算法脱颖而出，成为最佳模型，预测准确率为 91.3%，准确率为 88.8%，召回率为 92.9%，F-1 得分为 90.8%，AUC 为 96.3%。这项研究为使用熔融沉积模型进行基于声学的 3D 打印部件质量预测和控制奠定了基础，并可扩展到其他增材制造技术。
复合材料的声学辅助体积 3D 打印
复合材料增材制造技术的进步已经改变了航空航天、医疗设备、组织工程和电子产品。增强 3D 打印物体性能的一个关键方面是通过在结构中嵌入和定向增强材料来微调材料。现有的定向这些增强材料的方法受到图案类型、排列和粒子特性的限制。声学提供了一种通用的方法来控制粒子，而不受其大小、几何形状和电荷的影响，从而实现复杂的图案形成。然而，将声学集成到 3D 打印中一直具有挑战性，因为声场在聚合层和未聚合树脂之间散射，从而产生不必要的图案。为了应对这一挑战，开发了一种创新的声学辅助体积 3D 打印机 SonoPrint，它可以同时对整个结构进行增强图案化和打印。SonoPrint 通过在制造的结构中嵌入增强颗粒（例如微观玻璃、金属和聚苯乙烯）来生成机械可调的复合几何形状。该打印机采用驻波场在感光树脂中直接创建目标粒子图案（包括平行线、径向线、圆形、菱形、六边形和多边形），只需几分钟即可完成打印。SonoPrint 增强了结构特性，有望推进体积打印，解锁组织工程、生物混合机器人和复合材料制造中的应用。
ECG信号通过单节点，表面声感应
摘要 - 有效的手段，可以实现单铅，非侵入性和干性心电图（ECG）测量值，为在非临床环境中对移动用户进行长时间心律监测提供了潜力。但是，现有的ECG调查方法需要精确的电极放置，暨塞接线，并要求用户保持固定。另外，当前基于心脏的基于心脏的方法（例如Phonocartiogrons）缺乏检测至关重要的心律特征的灵敏度和精度，并且容易受到环境噪声的影响。这项工作利用脖子上的宽带宽表面声波麦克风通过颈动脉捕获心脏声音。提议将心形信号转换为相应的ECG波形的跨模式自动编码器，一种用于信号模态转换的最新算法。由9个参与者研究结果证明了通过声音声音构建PQRST波形的有效性，并准确地确定了关键的PQRST指标。最后，展示了用户步行的移动声学ECG波构建，为不引人注目的，长期的低成本每日心律监测奠定了基础。临床相关性 - 转换心脏声音信号，以实现突出的心电图指标，可以使用单节点干可穿戴设备进行低成本的每日心律监测。
具有可信意图的语音声学分类
语音中的非语言韵律模式能够传达说话者的情绪状态、健康状况、性别甚至性格特征，例如可信度。虽然研究主要集中在从听众的角度看语音声学与感知到的性格特征之间的关系，但当前的研究已经开发了一个大型语音数据集，以根据说话者的自我感知来检查说话者为了听起来可信而发出的语音。更准确地说，当前的研究正在寻求确定某些声学线索是否可用于表征说话者的意图（即中性或可信）。总共招募了 96 名来自不同种族背景（即白人、黑人和南亚人）的年轻人和老年人。他们被要求首先以他们正常的说话方式（“中性”）说一组句子，然后重复相同的句子，但这次他们被要求传达听起来可信的意图。我们的研究结果证明，音调和语音质量相关特征可以从我们的音频数据集中正确区分说话者的意图，准确率约为 70%。索引术语：可信度、语音声学、音调、语音质量。
高级洛伦兹混合
摘要：纳米级机械谐振器引起了信号处理，传感器和量子应用的广泛关注。纳米结构中超高Q声腔的最新进展允许与各种物理系统和高级功能设备进行牢固的相互作用。那些声学腔对外部扰动高度敏感，由于这些响应是由几何和材料确定的，因此很难控制这些共振特性。在本文中，我们通过在光力学系统中混合高阶Lorentzian响应来演示一种新型的声学共振调节方法。使用弱耦合的语音晶体声腔，我们实现了二阶和三阶洛伦兹响应的连贯混合，这能够具有与设备的声学耗散率相当的共振范围的带宽和峰值频率的微调和峰值频率。这种新颖的共振调节方法可以广泛应用于洛伦兹响应系统和光学机械，尤其是针对环境波动和制造误差的主动补偿。关键字：光子综合电路，硅光子学，声学效应，片上布里群散射，光学机械
ResonantAcoustic ® 混合技术推动高能材料加工的进步
含能材料和弹药用于火箭、导弹、弹药和烟火装置等任务关键型应用。这些材料是多种不同化学物质的复杂混合物，可制成粉末、粘稠糊状物、高粘稠糊状物和液体等产品，每种产品都必须按照严格的标准制造。英国火箭公司、爱好者和世界各地的其他人也受益于这些改进。RAM 还可以比传统方法快 10 倍至 100 倍地进行研磨、筛分和涂覆，但操作却足够温和，可以处理 3D 打印含能和爆炸性墨水。
聆听和想象的 MEG 对旋律反应的声学特征编码
音乐意象是在没有外部听觉输入的情况下对音乐进行的内部再创造。虽然许多研究已经调查了音乐聆听和意象的神经相关性，但很少有研究探讨后者过程中声学特征的编码。在本研究中，我们采用多元时间响应函数 (mTRF) 来检查在音乐聆听和意象过程中，音符起始、包络和包络起始等旋律特征如何编码在脑磁图 (MEG) 反应中。我们的分析表明，音符起始和包络起始在聆听和意象条件下都能显著预测 MEG 反应。值得注意的是，这些声学特征和神经活动之间的相关性在群体和个体层面都很明显。此外，预测相关拓扑图显示在聆听和意象任务期间位于颞叶上方的通道中的相关值会增加。