Acoustic reflector material classification based on frequency dependent absorption coefficients

In room acoustic modeling, Frequency Dependent Absorption Coefficients (FDACs) are extensively used parameters, quantifying the fraction of sound energy absorbed by a material from an impinging sound wave. Over almost a century of professional practice, the popularity of FDACs resulted in the constitution of lookup tables, listing reference FDAC values obtained via standardized techniques, for a variety of common materials and commercial products. In the estimation of acoustical properties of a listening space, the availability of reference FDACs allows to evaluate realistic solutions, in a forward process targeting a desired acoustical performance. In recent times, interest in inverting the process has emerged, aiming to infer, from the acoustics of a listening space, the materials composing its surfaces: to date, FDACs offer the most extensive knowledge base for the purpose. The task, however, is undermined by several factors, including FDAC variability with wavefront incident angle and sound field, accuracy and precision limitations in standard FDAC measurements, and variability of material properties with extensive features (e.g. mass, thickness) and individual realizations (e.g. mounting, layering). Criteria by which material classes are formed may therefore present structural ambiguities. In this thesis, material classification based on FDACs is performed by means of the Weighted K-Nearest Neighbors (WKNN) method, relying on a reference FDAC dataset provided by the Physikalisch-Technische Bundesanstalt for establishing a relationship between materials and their acoustical behavior. Classification performance is evaluated in two frameworks, namely: intrinsic limitations due to material distributions and class labeling in the reference dataset; classification robustness to perturbation in test FDAC estimates, arising from a simplified simulation-estimation scheme based on Room Impulse Response (RIR) synthesis.

I Coefficienti di Assorbimento in Funzione della Frequenza (CAFF), che esprimono la frazione di energia assorbita da un materiale su cui insista un’onda sonora, sono parametri ampiamente utilizzati nella modellazione acustica degli ambienti. In quasi un secolo di pratica professionale, la popolarità dei CAFF ha portato alla creazione di tabelle di consultazione, che riportano i CAFF ottenuti tramite metodi standardizzati, per diversi materiali comuni e prodotti commerciali. Nel voler predire l’acustica di un ambiente di ascolto, la disponibilità di CAFF di riferimento permette di valutare soluzioni realistiche, in un processo diretto che abbia per obiettivo una data prestazione. In tempi recenti, è emerso l’interesse nella possibilità di invertire di tale processo, ossia di inferire, a partire dall’acustica di un ambiente di ascolto, i materiali che compongono le sue superfici. Allo stato attuale, i CAFF forniscono la più ampia base di conoscenza per questo scopo. Tuttavia, diversi fattori compromettono la fattibilità dell’operazione, tra cui la variabilità dei CAFF con l’angolo di incidenza dell’onda sonora considerata (e, più in generale, con il campo acustico cui sono riferiti), così come la limitata accuratezza e precisione associata ai metodi standard di misura dei CAFF, e la variabilità delle proprietà acustiche dei materiali in base ad aspetti come massa, spessore, montaggio e configurazione. I criteri in base ai quali le classi di materiali sono comunemente definite possono dunque presentare sostanziali ambiguità. Nella presente tesi, la classificazione dei materiali sulla base dei CAFF corrispondenti è effettuata utilizzando il metodo Weighted K-Nearest Neighbors (WKNN), facendo riferimento a un dataset di CAFF reso disponibile dal Physikalisch-Technische Bundesanstalt (PTB), nell’ottica di valutare la corrispondenza fra classi di materiali e comportamento acustico. La prestazione della classificazione è valutata in due contesti: nel primo caso, sono prese in considerazione le limitazioni intrinseche al dataset e allo schema di classificazione fornito; nel secondo, è valutata la robustezza della classificazione rispetto all’introduzione di perturbazioni nei CAFF in esame, risultanti da uno schema semplificato di stima dei CAFF a partire da risposte impulsive simulate.