12.07.2015 Views

simulation acoustique par la methode des sources images

simulation acoustique par la methode des sources images

simulation acoustique par la methode des sources images

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

<strong>par</strong> Eyring et ceux simulés sans atténuation (écart maximum de 7%). Cette observations’explique <strong>par</strong> <strong>la</strong> similitude qu’il existe entre <strong>la</strong> construction de constel<strong>la</strong>tions de <strong>sources</strong><strong>images</strong> et <strong>la</strong> théorie de Eyring. En réalité, le calcul <strong>des</strong> <strong>sources</strong> stochastique du simu<strong>la</strong>teurutilise les mêmes hypothèses de calcul. Il faut noter que les temps de Sabine s’éloignentsouvent <strong>des</strong> valeurs simulées : ils deviennent proches pour de grand temps de réverbération etc'est-à-dire lorsque les deux théories se rejoignent (voir I.2.1).Il serait intéressant de poursuivre cette étude avec d’autre forme de salle pour observerplus finement l’influence de <strong>la</strong> géométrie sur les temps de réverbération. De même, il faudraitmettre en regard les décroissances <strong>des</strong> premières réflexions <strong>des</strong> différentes métho<strong>des</strong> etanalyser avec pertinence les effets <strong>des</strong> <strong>sources</strong> géométriques.Densité d’échosNous allons étudier les différentes fonctions de densités d'échos obtenues en faisantvarier <strong>des</strong> <strong>par</strong>amètres géométriques. Nous mettrons en vis-à-vis les résultats de plusieurs<strong>simu<strong>la</strong>tion</strong>s et les valeurs prédites <strong>par</strong> <strong>la</strong> théorie. Par com<strong>par</strong>aison <strong>des</strong> résultats dansdifférentes salles, il sera possible de dire dans quelle mesure l'utilisation de <strong>la</strong> méthodegéométrico-statistique utilisée ici est pertinente.Nous traçons donc les fonctions de densité à <strong>par</strong>tir <strong>des</strong> réponses impulsionnelles ensommant le nombre d’échantillons non nuls sur un intervalle de 24 ms. Ce<strong>la</strong> revient à compterle nombre de <strong>sources</strong> compris entre deux sphères centrées sur l’auditeur dont <strong>la</strong> différence derayon est de 340 x 0.024 = 8.20 m. Pour obtenir <strong>la</strong> densité correspondant à chaqueéchantillon, nous dép<strong>la</strong>çons alors cette intervalle le long de <strong>la</strong> réponse impulsionnelle. Unexemple de fonction de densité ainsi calculée est présenté Figure 76.Nous cherchons alors à interpoler ces courbes afin de vérifier leurs proximités avec lesformules théoriques. En effet, les constel<strong>la</strong>tions présentant <strong>des</strong> <strong>sources</strong> disperséesponctuellement dans l’espace, les courbes obtenues dévoilent de plus ou moins nombreusesirrégu<strong>la</strong>rités selon les densités de <strong>sources</strong> <strong>images</strong>. Une régression (linéaire pour les densités2D et quadratique pour les densités 3D) doit donc être opérée pour déterminer le <strong>par</strong>amètre <strong>des</strong> équations de densité :d( n)n2= α en 3 dimensions.d( n)= α n en 2 dimensions.131

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!