Numerical methods can be used to simulate wave propagation in rooms, with applications in virtual reality and building design. Such methods can be highly accurate but computationally expensive when simulating high frequencies and large domains for long simulation times. Moreover, it is common that solutions are sought for multiple input parameter values, e.g., in design processes in room acoustics, where different boundary absorption properties are evaluated iteratively. We present a framework that combines a spectral element method (SEM) and a reduced basis method (RBM) to achieve a computational cost reduction for parameterized room acoustic simulations. The SEM provides low dispersion and dissipation properties due to the high-order discretization and the RBM reduces the computational burden further when parametrizing the boundary properties for both frequency-independent and dependent conditions. The problem is solved in the Laplace domain, which avoids instability issues on the reduced model. We demonstrate that the use of high-order discretization and model order reduction has significant advantages for room acoustics in terms of computational efficiency and accuracy.


翻译:数字方法可用于模拟室内波波传播,应用虚拟现实和建筑设计。这些方法在模拟时间长时模拟高频率和大域时可以非常精确,但计算成本很高。此外,通常会寻求多种输入参数值的解决办法,例如,在声学室的设计过程中,对不同边界吸收特性进行迭接性评价。我们提出了一个框架,将光谱元素法(SEM)和降低基数法(RBM)结合起来,以降低参数化室声学模拟的计算成本。由于高度分解,SEM提供了低分散和散失特性,而成果管理制则在根据频率和依赖性条件对边界特性进行对齐时,进一步减少了计算负担。这个问题在Laplace域得到解决,避免了模型的不稳定问题。我们证明,使用高顺序分解和减少模型顺序在计算效率和准确性方面对室声学有很大的优势。

0
下载
关闭预览

相关内容

【干货书】机器学习速查手册,135页pdf
专知会员服务
125+阅读 · 2020年11月20日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
时序数据异常检测工具/数据集大列表
极市平台
65+阅读 · 2019年2月23日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
lightgbm algorithm case of kaggle(上)
R语言中文社区
8+阅读 · 2018年3月20日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
8+阅读 · 2018年11月27日
VIP会员
相关资讯
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
时序数据异常检测工具/数据集大列表
极市平台
65+阅读 · 2019年2月23日
meta learning 17年:MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
lightgbm algorithm case of kaggle(上)
R语言中文社区
8+阅读 · 2018年3月20日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员