Väitös akustiikan ja äänenkäsittelytekniikan alalta, M.Sc. Georg Götz

Väitöskirjan nimi: Data-driven room-acoustic modelling

Tohtoriopiskelija: Georg Götz
Vastaväittäjä: Prof. Cheol-ho Jeong, DTU, Tanska 
Kustos: Prof. Ville Pulkki, Aalto-yliopiston sähkötekniikan korkeakoulu, informaatio- ja tietoliikennetekniikan laitos

Huoneakustiikan tutkimus on ollut perinteisesti tärkeätä arkkitehtuurissa, koska siinä tutkitaan äänen etenemistä ja huoneisiin syntyviä äänikenttiä. Virtuaalitodellisuuden ja lisätyn todellisuuden tekniikoiden yleistymisen myötä huoneakustiikan mallinnusta tarvitaan myös äänen toistossa, koska sen avulla voi saada virtuaaliset äänilähteet kuulostamaan siltä, että ne ovat peräisin siitä (virtuaalisesta) ympäristöstä missä kuuntelija on. Virtuaalimaailman äänisynteesi suoritetaan ns äänimoottorilla, joka prosessoi akustisesti kuivat äänet niin, että haluttu tilavaikutelma syntyy. 

Tällaisten sovellusten dynaaminen ja nopeatempoinen luominen vaatii äänimoottorin parametrien muuttamista reaaliaikaisesti. Tämä tarkoittaa, että aina kun kuuntelija tai äänilähteet liikkuvat virtuaalitodellisuudessa, äänen toisto on päivitettävä liikkeiden mukaan mahdollisimman nopeasti. Fysiikkaan perustuvat huoneakustiikkasimulointiteknologiat ovat kuitenkin usein laskennallisesti raskaita, mikä rajoittaa niiden käyttöä virtuaaliympäristöjen äänimoottoreissa. Mitattuun dataan perustuvat oppivat menetelmät pystyvät keräämään relevanttia tietoa huoneakustiikasta ja ne tarjoavat mahdollisuuden välttää kalliit simuloinnit ja kuitenkin tuottaa uskottavasti haluttu vaikutelma huoneakustiikasta. Tässä väitöskirjassa ehdotetaan mitattuun dataan perustuvaa tekniikkaa joka soveltaa sekä fysikaalista mallintamista, että dataohjattuja menetelmiä. 

Kun ääni etenee huoneen läpi, se vuorovaikuttaa eri pintojen kuten seinien ja huonekalujen kanssa, mikä johtaa äänienergian asteittaiseen vähenemiseen ajan myötä. Energian vähenemisnopeus vaikuttaa merkittävästi huoneen synnyttämään akustiseen vaikutelmaan, jonka takia siitä on tutkittu laajasti huoneakustiikassa. Tässä väitöskirjassa on opetettu neuroverkko, joka pystyy äänienergian vaimenemisen analysointiin monimutkaisissa tiloissa. Monimutkaiset tilat koostuvat useista toisiinsa akustisesti kytketyistä huoneista tai sisältävät erilaisia absorptiomateriaaleja eri pinnoilla. Lisäksi työssä tutkitaan äänienergian vähenemisen tilallisia vaihteluja ja ehdotetaan niiden mallintamiseen kompaktia tapaa. 

Dataohjatut lähestymistavat vaativat usein suuria datamääriä, joiden kerääminen on työlästä ja aikaa vievää. Mittaukset voidaan kuitenkin automatisoida. Tätä varten tässä työssä kehitettiin kaksi autonomista robottien käyttöön perustuvaa järjestelmää.

Linkki väitöskirjan sähköiseen esittelykappaleeseen (esillä 10 päivää ennen väitöstä): https://aaltodoc.aalto.fi/doc_public/eonly/riiputus/

Yhteystiedot:

Sähkötekniikan korkeakoulun väitöskirjat: https://aaltodoc.aalto.fi/handle/123456789/53