Reconstrucción computacional de propagación de señales acústicas usando una cavidad resonante

Abstract

En el presente trabajo se analiza el comportamiento de ondas acústicas dentro de una cavidad resonante de fibrocemento con forma de cubo. La cavidad posee una apertura cuadrada en una de sus paredes laterales a través de la cual penetran las ondas procedentes de una fuente externa. Para cada posición de la fuente externa se toman dentro de la cavidad 154 muestras de intensidad acústica mediante un robot que posiciona un micrófono en los nodos de la malla de muestreo. La fuente externa también es desplazada usando un robot. Un analizador dinámico de señal procesa la señal procedente del micrófono. Durante la noche se coloca la fuente externa en 15 posiciones distintas, cambiando el ángulo de incidencia. Un ordenador personal sincroniza el proceso. El mismo experimento se realiza varias veces para asegurar la reproducibilidad de los resultados. Tras recolectar los datos se desarrollaron un número de scripts en python para tratar la extensa cantidad de información disponible. La automatización del procesado de datos nos ha permitido realizar múltiples análisis y comparaciones para validar el modelo de propagación suministrado por el profesor. En particular utilizando la métrica R-square se alcanza una puntuación de aproximadamente 0.999 sobre 1.

In this work, the behavior of acoustic waves inside a cube-shaped resonant chamber made of fiber cement is analyzed. The cavity has an square aperture on one of its side walls through which acoustic waves penetrate into the interior coming from an external source. For each external source location, 154 samples of acoustic intensity are taken by means of a robot which moves a microphone between the nodes of the sampling grid. A dynamic signal analyzer processes the signal from the microphone. During the night the external source is placed at 15 locations, changing the angle of incidence. A personal computer synchronizes the overall process. The same experiment is performed several times in order to ensure reproducibility of the results. After the data collection, a number of python scripts are developed to deal with the vast amount of information. The automation of data processing tasks enabled us to perform multiple analyses and comparisons in order to validate the propagation model provided by the tutor. In particular a score of approximately 0.999 is achieved using the Rsquare metric.