声学装饰工程施工服务至上「在线咨询」

美国声学协会ASA（Acoustical Society of America）对声学领域的进行了如下分支：

气动声学（Aeroacoustics）：关注声音/噪声如何通过气体流动产生以及传播，比如噪声怎样通过航天器和风车产生，以及吹奏乐器如何发声等等。

音频信号处理（Audio signal processing）：设计范围比较广，比如模拟声音信号处理，涉及到电气工程；声音增强，比如在混响比较强的空间中；去噪，比如Skype的回声消除或者助听器的去噪降噪；音频文件压缩，比如大名鼎鼎的MP3；声音信号识别，比如摇一摇搜歌。

心理声学（Psychoacoustics）：声学和心理学的结合，是声学领域的新贵。人脑这个黑箱，给声学带来了无尽不确定性以及挑战。在原来的文章也长篇大论过，不在这里展开。

语音（Speech）：包括语音的产生、处理和感知，涉及到物理、生理、心理、语音信号处理和语言学。在人工智能/机器学习中，语音识别和语义分析是两大重要课题。如何让语音清晰、***、高质量的被传递和接受是现在语音交互中的难点。我在上面提到的人工智能声学那篇文章也有提过。

监督学习对于输出我们已经有了预期，知道他们长什么样；无监督学习是不知道输出应该是什么，***后用数据来判断。比如同样是分类，垃圾邮件分类是监督学习；把同质类的新闻分类就是无监督学习，因为我们并不知道要分成几类，也没有具体分类标准。

声学是物理学分支，人们几百年来一直致力于发展声学的物理模型，如下图的x轴所示；随着数据量的增大，以数据为驱动的方法也逐渐被运用，如图的y轴。右上角方向就是声学发展的方向：更***完备的物理模型和大数据驱动的机器学习的结合[3]。机器学习中，数据特征是关键。