融合物理约束的生成式空间声场重构方法

来源：信号处理杂志 2026年第4期北京时间：

作者：雷晨曦, 张雯

摘要：针对稀疏测量条件下声场重构面临的不适定性与泛化难题，本文提出一种融合物理约束的生成式重构框架。该方法基于平面波分解模型对空间声场进行表征，将空间声场转化为平面波谱系数，以条件可逆神经网络（Conditional Invertible Neural Network， CINN）为核心骨干网路，在大规模仿真数据上学习从稀疏观测到谱系数的条件后验概率分布，有效解决建模逆问题的不确定性。在实测数据推理阶段，引入亥姆霍兹方程残差作为物理约束进行微调，实现对生成结果的物理一致性修正。MeshRIR数据集上的实验结果表明，该方法在归一化均方误差（Normalized Mean Squared Error， NMSE）与模态一致性准则（Modal Assurance Criterion， MAC）指标上显著优于物理信息神经网络（Physics-Informed Neural Network， PINN）、生成对抗网络（Generative Adversarial Network， GAN）以及原始 CINN 等主流基线方法。

关键词：声场重构, 物理约束, 条件可逆神经网络