频响曲线。同一个人在不tong房间说话，声音可能很不相同，有的房间里说话声音听起来感觉闷闷的，有的房间感觉尖锐刺耳，而当这些房间摆满了家具，声音又不那么闷或不那么尖了。隔音减振声学装饰这就是房间对声音的影响。音频信号处理（Audiosignalprocessing）：设计范围比较广，比如模拟声音信号处理，涉及到电气工程。良好的声学环境要求频响曲线平直，这个房间既不会吸收过多的高音或低音，高中低音均衡，不会出现高音多低音少，或者低音多高音少的情况。隔音减振声学装饰
机器学习现在已经被广泛应用到计算机视觉、图像处理、语音处理、地球物理等领域。和其他技术，比如压缩感知等类似，在计算机和图像处理领域掀起热潮之后，机器学习开始在声学崭露头角。虽然起步不早，但是发展很快。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]。在人类语言语音、动物发声、水下声源定位等声学子领域都有应用。
机器学习的定义想必大家或多或少都知道，可以被宽泛地定义为，无需明确指令的情况下，依赖数据中的模式和特征，通过电脑研究算法和统计模型，来完成特定任务的过程[1]。机器学习分为三类：监督学习 (Supervised learning) ，无监督学习 (Unsupervised learning) 和强化学习 (Reinforcement learning)。这篇文章我们只关注前两类。随着机器学习的兴起，各个学科都在积极蹭热度，寻找和机器学习的契合点。
声学模态分析
声学模态分析中提供了以下的声学边界条件，包括：压力、表面阻抗边界、波吸收边界、表面辐射边界、波吸收单元、自由液面。提供的声学载荷，包括：温度、阻抗层、静压力。
模态分析支持的载荷
模态分析支持的边界条件
对于结构-声学耦合场分析，可以对分析系统右键插入Create Automatic>FSI，实现自动识别并创建FSI。
声学模态分析中导入后的模型可以通过Physical Region对象定义模型树中的体是属于声学域还是结构域。对于声学域，可以使用额外的高ji设置，用于指ding声学域的物理属性。
