📄 耳塞在震动什么：骨导语音的低频直线与单轴传感器的容差
英文题目：Sensing Bone-Conducted Speech with Earbuds
一句话：这项工作用两款耳塞的同步测量标定佩戴者语音诱发的机壳振动，证明高功率集中在 400 Hz 以下且沿耳道口内外直线振动，使有利安装的单轴传感器仅损失 0.7 至 1.5 dB，而高频与机型差异仍需多轴与更低本底来覆盖。
标签：#语音增强 | #端到端 | #鲁棒性 | #工业应用
评分：6.3/10 | 创新 1.2/2 | 技术严谨 1.2/1.5 | 实验充分 1/1.5 | 清晰度 0.8/1 | 影响力 0.8/1.5 | 开源 0/1.5 | 可复现 0.3/0.5 | 工程/实践 1/1.5
👥 作者与机构
- Christoph Weyer：Institute of Communication Systems (IKS), RWTH Aachen University, Aachen, Germany
- Peter Jax：Institute of Communication Systems (IKS), RWTH Aachen University, Aachen, Germany
💬 毒舌点评
把耳塞壳体振动这个长期凭经验用的模态做了频域加空间的联合标定，并给出单轴替代三轴的定量衰减依据，工程指向清晰。短板是17人中14男3女且多为欧洲背景、仅两款耳塞、无下游增强或检测验证，高频结论受三轴器件本底限制，向通用形态与真实噪声外推仍单薄。
📌 核心摘要
佩戴者自身语音（own voice, OV）在噪声与风噪下难以用耳塞麦克风清晰采集，骨导（bone-conducted, BC）语音振动可作为鲁棒补充，但其可用带宽与空间方向一直缺乏定量依据。本文在Anker P3i与A20i两款耳塞上加装三轴加速度计，结合口旁头戴麦克风与HTC Vive Tracker头部追踪器，同步采集朗读rainbow passage诱发的机壳加速度。频谱上用Welch功率谱密度（power spectral density, PSD）做朗读段减静音段得到语音成分，用麦克风到三轴的传递函数（transfer function, TF）范数刻画组织与耦合的低通传输，并折算到加速度计本底评估信噪比（signal-to-noise ratio, SNR）。空间上对带通滤波后时域三轴信号做主成分分析（principal component analysis, PCA），统计第一主成分（principal component, PC）解释方差与偏离均值方向夹角，并在头部对齐世界坐标系下可视化。主结果为振动呈明显低通特性，100 Hz至400 Hz平均自谱密度约530 μg，以上按约-93 dB每10倍频滚降，TF范数在A20i约280 Hz、P3i约360 Hz后按约-58 dB每10倍频下降；主振动方向为耳道口内外运动且被试间一致；有利单轴投影在100 Hz至400 Hz仅引入P3i约0.7 dB、A20i约1.5 dB平均衰减，不利方向引入11 dB以上衰减，偏离最优45度内附加衰减小于3 dB。意义是为加速度计选型、安装方向与测试假头设计提供可操作准则。局限是人口结构偏窄、仅两款设备、1 kHz以上估计呈上偏且空间结论仅在1 kHz以下可信。
🔗 开源与复现资源
- 代码：论文中未提及代码链接
- 模型权重：论文中未提及
- 数据集：论文中未提及
- Demo：论文中未提及
- 复现材料：论文中未提及
- 论文中引用的开源项目：未提及
- 资源可达性验证：未发现可验证的官方 HTTPS 资源 URL。
🧭 深度解读
通话时自己的声音为何最难拾取
戴着耳塞打电话，最折磨人的不是听不清对方，而是对方听不清你。耳塞上的麦克风离嘴远，又露在外面，风一吹、车一过，语音就被噪声淹没。直觉会说把增益调大或加一层降噪，但在强风噪下空气声本身已经不可靠，算法很难凭空恢复被污染的谐波。
这时另一条物理路径显得诱人：人说话时颅骨、软组织与耳道都在振动，耳塞壳体也会跟着抖动。这种经身体传到耳塞的振动天然抗风噪，因为风吹不到骨头里。若能用加速度计把这部分振动稳定拾取，就等于多了一只藏在身体里的麦克风。
佩戴者自身语音 × 骨导语音： 佩戴者自身语音指耳塞需要拾取的说话人本人的声音，负责定义任务目标与可懂度要求；骨导语音指说话振动经组织与结构传播到耳塞壳体的那一路信号，负责提供抗风噪与环境噪声的补充通道。两者搭配的原因是空气声通道在噪声下失效而结构声通道仍然存在，组合后新增的含义是可以用一路低带宽但高鲁棒的振动信号去锚定和增强另一路高带宽但易污染的麦克风信号。
难点在于这只藏起来的麦克风到底能听多宽、朝哪个方向抖。带宽决定它能提供元音轮廓还是辅音细节，方向决定单轴芯片应该朝哪贴。此前文献把三轴中的一轴、模值或全部三轴丢给增强网络，做法各异，恰恰说明缺少定量标定。
骨导语音研究走到了耳塞这个位置
骨导语音并非新想法，喉麦、颞骨拾振器与头戴式传感器早已存在，后来逐渐转向语音增强、语音识别、端点检测与风噪抑制等任务。早期专用设备佩戴麻烦，而耳塞已经普及且贴近耳道，成为最有希望的拾取点。已有工作把耳塞加速度用于增强，但输入形式并不统一。
另一条线索来自头部声传输与拾取位置比较的研究，以及把耳塞简化为质量弹簧系统的建模。这些工作解释了组织具有低通阻尼特性，高频经身体传播时衰减更快。但它们没有回答耳塞壳体在 3 维空间里如何振动，也没有给出佩戴者语音诱发的具体带宽。
作者此前的探索性研究覆盖 5 个机型与少量被试，初步看到低通特性与单方向振动的迹象。本文把范围收敛到两个代表性机型，把人数扩充到 17 人，并新增信噪比折算与单轴投影仿真。目标是从经验性使用走向可指导选型与假头设计的测量依据。
论文要回答的三个可操作问题
第一个问题是频谱可用性：朗读诱发的耳塞加速度在哪个频段功率最高，又在哪个频率沉入器件本底。回答它需要同时给出语音成分谱、本底谱与信噪比，并折算到不同档次加速度计上。否则无法导出本底需求。
第二个问题是空间方向性：振动是否集中在一条直线上，这条直线在不同人、不同佩戴与左右耳之间是否稳定。若方向分散或因人而异，单轴方案就难以成立。若方向稳定且物理可解释，单轴才有工程前景。
第 3 个问题是单轴替代的代价：把三轴投影到有利方向与不利方向各损失多少功率，偏离最优一定角度又增加多少衰减。论文用投影仿真把这些代价量化为分贝数，使结构设计可以直接换算成装配容差。
一条无训练的测量流水线
这不是训练神经网络的工作，而是一条多传感器同步采集、姿态标定、频谱分析与投影仿真的测量流水线。输入是左右耳三轴加速度、口旁麦克风声压与低速头部姿态，输出是语音与噪声谱、传递函数范数与投影增益。流水线没有可学习参数，每一步都是确定性信号处理。
为理解数据流，需要先看测量示意图所示的整体回路构成。此处要看该图的原因是同时理清 3 类信号与 3 类坐标的关系，重点看麦克风如何提供空气声参考、加速度计如何提供结构声观测、头追踪如何提供旋转基准。
看图路径： 1. 先沿侧面人头观察口旁麦克风与耳塞加速度计的三路信号箭头如何汇合到记录端；2. 再看右下角世界坐标系与耳塞局部坐标系的标注差异，理解旋转标定的必要性；3. 最后追踪口部到耳塞的蓝色虚线与传递函数符号，明确空气声参考与结构声关系
论文图 1。原论文 Figure 1:：“Sketch of the measurement setup, signals and coordinate systems.”。
图中左侧面人头戴黑色棒球帽，头顶灰色圆柱为头追踪器并标出三轴，耳处白色耳塞标出加速度信号箭头，口旁黑色悬臂麦克风标出口部声压，口部到耳塞的蓝色虚线标出待估计的传输关系，右下角另有世界坐标系三轴。该图把后文所有分析锚定到同一物理回路，语音激励经身体到达耳塞，空气声与结构声同步记录。它也限定了结论边界，一切频谱与方向结论都以这次同步采集的对齐质量为前提。
同步采集装置与两款耳塞
采集硬件围绕真实佩戴展开。两款耳塞分别为带柄的 P3i 与豆状的 A20i，各改装 1 对，内置 ST LIS25BA 三轴加速度计。定制小电路板尽量靠近量产主板位置，以贴近厂商最可能贴片的地方。口旁参考采用 Knowles 胶囊经头架臂置于嘴边，头追踪采用固定于棒球帽的追踪器。
每副耳塞每次佩戴包含 3 段录音：约 5 s 静音标定段用于取本底，平均约 37 s 朗读彩虹段落用于激励估计，约 5 s 前倾约 30 度倾头段用于构造姿态变化。17 名被试每人每款重复 2 次佩戴，含左右耳合计每款 68 路三轴信号。设计动机是用静音段分离器件噪声，用倾头前后重力变化求解佩戴旋转。
\[\mathbf{a}(k)=\begin{bmatrix}a_{x}(k)&a_{y}(k)&a_{z}(k)\end{bmatrix}^{\text{T}}\in\mdmathbb{R}^{3}\]上式定义的 3 维向量是全篇的基本观测，每一轴既包含语音诱发成分也包含噪声。白话说，它是耳塞壳体表面加速度在芯片局部系下的瞬时投影。后文所有谱估计与主成分分析都是对这个向量的不同变换，理解它才能明白频谱与方向的关系。
姿态标定：用重力与倾头求旋转
不同人、不同佩戴会改变芯片相对头部的朝向，若直接比较局部系下的方向，结论会被佩戴差异淹没。标定模块的输入是标定段与倾头段的直流重力向量，以及头追踪器在两段的平均姿态。输出是每副耳塞每次佩戴的旋转估计，用于把加速度转到与头部对齐的世界系。
原理是静止时加速度直流分量主要反映重力，已知世界系重力方向与倾头前后头部旋转，并假设耳塞相对头部固定，就能构造 Wahba 问题并用 Kabsch 算法求解。实际分析方差时仍保留在局部系中评估，因为单轴衰减真实发生在芯片观测系。
功率谱密度 × 信噪比： 功率谱密度负责把长时间振动按频率刻画功率分布，使不同窗长与不同器件的结果可以比较；信噪比负责把语音成分功率除以器件本底功率，判断每个频率是否值得用。两者搭配的原因是只看振动绝对功率会高估高频可用性，组合后新增的含义是把物理振动折算成选型语言，即哪个频段需要多低的本底才能达到可用门限。
这种分工值得强调：频谱链路用 Welch 方法估计朗读段与标定段功率谱，相减得到语音成分，负值置零。4096 点 Hann 窗与一半重叠保证长时平均功率按带宽归一化，再按细分倍频程平滑并以微重力单位显示。呈现带宽取 75 Hz 至 2 kHz，分析重心放在 100 Hz 至 400 Hz 高功率区。
频谱链路与传递函数如何分工
频谱链路回答绝对功率是否可用，传递函数链路回答相对传输是否低通。前者比较语音谱与本底谱，后者用麦克风到三轴的传递函数范数刻画总量比率。这样可以消除说话响度差异，突出组织与耦合的频率选择性。两者缺一不可，否则无法区分是人没发出高频还是身体没传过去。
传递函数 × 加速度计本底： 传递函数负责刻画口旁声压到耳塞三轴加速度的总量关系，揭示组织与耦合带来的低通衰减；加速度计本底负责刻画传感器自身噪声随频率的限制。两者搭配的原因是前者解释振动为什么随频率滚降，后者解释测量为什么在高频失效，组合后新增的含义是区分传输衰减与测量衰减，避免把器件噪声误读为人体传输特性。
估计细节上，传递函数采用最小均方误差最优估计，即互谱除以麦克风自谱，再对三轴模平方求和取总量。谱估计同样采用 Welch 参数与细分倍频程平滑，左右耳分开平均以检验对称性。这种总量视角刻意忽略方向，再把方向问题留给主成分分析。
\[H_{sa_{j}}(f)=\frac{\Phi_{a_{j}s}(f)}{\Phi_{s}(f)},\]上式是每个轴传递函数的估计器，分子是加速度与麦克风的互谱，分母是麦克风自谱。白话说，它是在问口旁每单位声压能在该轴激起多少加速度。把三轴结果取范数后，就得到与方向无关的传输总量曲线。
空间分析与单轴投影仿真
空间链路先对每路朗读信号经 100 Hz 至 1.5 kHz 有限冲激响应带通预滤波，再做主成分分析。预滤波下限避开运动伪影与基频以下激励不足，上限避开以自噪声为主的高频。每个信号得到 3 个主成分与各自解释方差，第一主成分指向方差最大的直线。
主成分分析 × 投影信号增益： 主成分分析负责从带通滤波后的三轴时域信号中找出方差最大的空间直线，回答振动是否沿直线；投影信号增益负责把三轴信号投影到候选单轴方向并按频率计算功率保留比例，回答偏离最优会损失多少。两者搭配的原因是前者给出候选方向，后者把方向误差转化为可指导装配的衰减曲线，组合后新增的含义是把空间统计与硬件安装容差直接打通。
局部坐标系 × 头部对齐世界坐标系： 局部坐标系指固定在加速度计芯片上的随佩戴变化的坐标，负责描述单轴传感器真实观测到的信号；头部对齐世界坐标系指与头部固连的公共参考，负责让不同被试与左右耳的方向可以在同一张图里比较。两者搭配的原因是衰减发生在局部系而物理理解需要公共系，组合后新增的含义是通过旋转标定同时保留工程真实性与跨被试可解释性。
单轴仿真把三轴信号投影到候选单位方向，得到标量投影序列，再用投影增益评估保留功率比例。增益高说明该方向抓住了主要振动，增益低可能是方向正交，也可能是振动分布在平面。论文还构造双自由度增益评估第二轴的补充价值。
\[p_{\mathbf{d}}(k)=\mathbf{d}^{\text{T}}\cdot\mathbf{a}(k)\in\mdmathbb{R}\]\[G(f,\mathbf{d})=\frac{\Phi_{p_{\mathbf{d}}}(f)}{\Phi_{\mathbf{a}}(f)}\in\mdmathbb{R},\]\[G(f,\mathbf{d}_{1},\mathbf{d}_{2})=\frac{\Phi_{\mathbf{d}_{1}}(f)+\Phi_{\mathbf{d}_{2}}(f)}{\Phi_{\mathbf{a}}(f)}\in\mdmathbb{R}.\]三式构成仿真核心：先投影，再按频率算保留比，必要时把两轴功率相加看平面能多挽回多少。白话说，这是在用已测的三轴数据扮演各种贴片角度的单轴芯片，从而把装配误差翻译成分贝损失。
没有训练阶段，计算是什么
这项工作没有可学习的权重，没有损失函数、优化器与学习率，也就没有训练集与验证集划分。所有结论来自确定性信号处理：Welch 谱估计、互谱比值、主成分分解与投影增益扫描。复用模型的概念不适用，推理即对新录音重复同样的谱估计与投影计算。
计算预算主要在采集与人工佩戴，而非 GPU 小时。4096 点谱估计与 4097 系数带通滤波在普通计算机上即可完成，最重的部分是 3250 个方向的半球扫描。但仍属于离线分析量级，明确这一点很重要，否则会误把方差集中度当成拟合结果。
确定性并不等于无假设。谱相减假设噪声与语音不相关，主成分假设高功率段主导时域方差，姿态标定假设倾头时耳塞相对头部固定。这些假设在后文分别用噪声投影曲线与左右耳对称性做了侧面检验，但并未逐项剔除验证。
样本构成与实验协议
理解结论边界要先看人、设备与协议。17 名被试中男性占多数且多为欧洲背景，年龄跨度 23 至 61 岁，没有按耳道形态分层。设备仅两款，P3i 配硅胶翼固定于耳甲，A20i 无此结构。朗读材料为彩虹段落，自然音量，无刻意大声。
下表根据论文正文与图中报告值整理样本与协议构成，它要回答的比较问题是在什么人群与分析带宽下低通与直线结论成立。统一条件是同一批被试、同一同步采样时钟与同一 Welch 参数，指标方向是功率谱密度越高越可用、主成分越集中越像直线。
| 样本与协议维度 | 关键控制 | 数据集 A：P3i | 数据集 B：A20i | 指标与方向 |
|---|---|---|---|---|
| 被试构成 | 自然佩戴、密封紧固 | 17 人、14 男 3 女、23 至 61 岁、欧洲背景为主 | 同左、同一批被试 | 代表性有限，方向一致性外推受限 |
| 信号路数 | 每人每款重复 2 次佩戴、含左右耳 | 68 路三轴朗读信号 | 68 路三轴朗读信号 | 支撑均值与分位数统计 |
| 录音结构 | 同步 48 kHz、头姿 2 Hz | 5 s 静音、约 37 s 朗读、5 s 倾头约 30 度 | 同左 | 分离本底、激励与旋转 |
| 谱估计 | Welch、平滑 | 4096 点 Hann 窗、一半重叠、细分倍频程平滑 | 同左 | 功率谱密度、信噪比越高越好 |
| 空间预处理 | 带通预滤波 | 100 Hz 至 1.5 kHz、4097 系数有限冲激响应 | 同左 | 主成分解释方差越高越直线 |
表后需要说明净收益：该协议用重佩戴与左右耳换来了方向方差的可估计性，用静音段换来了本底可比性。但失败条件也写在协议里：窄人群使方向一致性可能高估，两种固定方式混杂使机型差异无法归因。
1 kHz 以上因三轴本底限制只能给出上界，不能推出高频方向同样稳定。200 Hz 以下离群与基频以下谐波缺失混杂，也需要在解读低频方差时保留余地。
频谱：低通有多陡，哪里最值得用
先看语音与噪声的绝对谱。黑色均值线在 100 Hz 至 400 Hz 近似平坦，平均自谱密度约 530 微重力。400 Hz 以上按约负 93 dB 每 10 倍频滚降，1 kHz 以上均值约 5 微重力且方差增大。论文明确指出高频段估计呈上偏，只是真实值的上界。
此处要看频谱图的原因是同时判断滚降斜率与本底交叉点，重点观察黑色语音均值线何时沉入青色三轴本底线。横轴为对数频率刻度，纵轴为加速度谱密度，灰色阴影带表示跨轴与跨被试的分布宽度。
看图路径： 1. 先看横轴对数频率与纵轴加速度谱密度，确认低频平台与高频滚降的分界位置；2. 再比较黑色语音均值线与灰色阴影带的宽度，判断个体差异与轴间差异大小；3. 最后比较青色三轴本底与红蓝单轴本底曲线的相对高低，找出高频交叉点
论文图 3。原论文 Figure 3:：“ov asd \sqrt\Phi_\smashv_j(f) for accelerometer A. Gray line indicates -93,dB/decade slope. Noise asd”。
图中横轴为频率对数轴并标出 100、300 与 1 k 等刻度，纵轴为加速度谱密度，黑色均值线在中低频远高于 3 条近乎水平的青色本底线，400 Hz 后急剧下跌并在 1 k 附近与红色单轴本底交汇，最下方蓝色本底曲线仍在下方，灰色斜线标出陡峭滚降参考，灰色阴影带包裹黑色线。该图支持高功率集中在 400 Hz 以下的判断，也限定 1 kHz 以上均值线的平坦化更可能是估计上偏而非真实平台。
传递函数范数进一步确认低通来自传输本身。P3i 约 360 Hz 后下降，A20i 约 280 Hz 后下降，之后按约负 58 dB 每 10 倍频滚降。左右耳均值曲线高度一致，200 Hz 以下离群与部分人基频较高有关。P3i 截止更高，论文推测与硅胶翼带来的更好耦合有关，但这仍是未受控分离的假设。
空间：振动是否沿直线，方向指哪里
方向性先看方差集中度，这是判断单轴是否成立的第一步。若第一主成分解释方差接近 9 成，振动就近似一条直线。若第二主成分也占比较大，则振动更像平面内的椭圆轨迹。
下表直接采用论文原表，它要回答的比较问题是在同一带通与同一统计口径下哪款耳塞更像直线振动。统一条件是每路朗读信号独立做主成分分析再按机型跨被试平均，基线是三轴总方差，指标是第一主成分解释方差越高越直线。
| component nn | A20i | P3i |
|---|---|---|
| 1 | 79 (49 – 92) | 89 (77 – 96) |
| 2 | 16 (5 – 44) | 9 (3 – 21) |
| 3 | 5 (1 – 13) | 2 (1 – 6) |
表后解释最公平的净收益：P3i 第一主成分平均解释约 89%，A20i 约 79%，说明多数信号功率集中在一条直线。失败项同样清晰：A20i 第二主成分最高达 44%，部分录音第一第二接近均分。
振动更像平面内的椭圆轨迹，可能来自轴间相移或频率相关转向。这张表不能推出高频同样是直线，因为主成分由时域高功率低频主导。
方向稳定性在局部系中评估：与均值方向夹角平均 P3i 为 6.5 度、A20i 为 14.7 度，最大分别约 22.2 度与 38.9 度。此处要看三视图方向图的原因是把局部系统计转到头部公共系，重点看线束是否聚拢并指向头部外侧。
看图路径： 1. 先按俯视侧视正视顺序观察耳部线束的集中程度与发散范围大小；2. 再比较左右耳线束是否对称，以及两种蓝色代表的不同机型指向差异；3. 最后看线束相对头部轮廓的指向，判断是否对应耳道口内外振动方向
论文图 6。原论文 Figure 6:：“First pc \mathbfw_p1 in head-aligned coordinate system \mathcalW.”。
图中从左到右为俯视侧视与正视 3 个面板，头部轮廓中央标出坐标轴，从耳部位置发出青蓝色短线束并高度聚集指向头部外侧，正视面板右侧标出 A20i 与 P3i 且深蓝色偏向下而浅青色偏向后，左右耳线束大致对称。该图支持方向跨被试一致的判断，也限定它主要反映 400 Hz 以下高功率成分的高方差主导结果。
此处还要补充单轴示例图的证据链。上下两面板分别对应两款机型，深蓝与红色虚线分别代表有利与不利投影，浅青色代表三轴总量。
看图路径： 1. 先看上下两个面板分别对应两款耳塞，横轴频率纵轴功率谱的整体形态；2. 再比较深蓝色有利投影与浅青色三轴总功率曲线的全程贴合程度如何；3. 最后看红色不利投影曲线低了多少分贝，以及高频噪声平台汇合位置
论文图 8。原论文 Figure 8:：“psd of simulation of single-axis sensor for an exemplary subject and both earbud models.”。
图中上下面板分别标出 P3i 与 A20i，横轴为频率纵轴为功率谱，粗深蓝色虚线有利投影几乎与浅青色总量实线重合，红色细虚线不利投影低十多分贝，底部水平噪声平台在高频汇合，曲线峰谷反映基频谐波。该图支持低频单轴够用而 A20i 高频需多轴的判断，也限定 1 kHz 以上结论受本底限制。
单轴替代：有利与不利差多少，高频缺口在哪
投影仿真把方向统计翻译成工程代价，核心是比较有利方向与不利方向的保留功率。若有利方向几乎无损而不利方向损失十多分贝，说明方向知识本身就有巨大价值。若宽带最优搜索仍无法补上高频缺口，则说明需要第二轴。
下表根据论文正文与图中报告值整理，它要回答的比较问题是把三轴投影到均值第一主成分与均值第三主成分方向各损失多少。统一条件是同一批朗读与标定信号、同一 Welch 参数与同一投影增益定义，基线是三轴总功率，指标方向是衰减越小越好。
| 耳塞与投影条件 | 频段与控制变量 | 100 Hz 至 400 Hz 平均衰减 | 100 Hz 至 750 Hz 平均衰减 | 这项数字支持什么 |
|---|---|---|---|---|
| P3i、有利第一主成分均值方向 | 跨被试左右耳平均、同一投影增益 | 0.7 dB | 0.7 dB | 高功率段几乎无损，可用单轴 |
| P3i、不利第三主成分均值方向 | 同上、仅方向换为第三主成分 | 15 dB | 14 dB | 贴错方向代价巨大 |
| A20i、有利第一主成分均值方向 | 跨被试左右耳平均、同一投影增益 | 1.5 dB | 2.4 dB | 低频可用、高频缺口显现 |
| A20i、不利第三主成分均值方向 | 同上、仅方向换为第三主成分 | 11 dB | 9.7 dB | 即使分散机型，方向仍重要 |
表后先说净收益：有利方向在 100 Hz 至 400 Hz 仅引入 0.7 至 1.5 dB 衰减，不利方向引入 11 dB 以上。差距超过一个数量级，说明知道方向的价值远大于多用两轴的成本。失败项在 A20i 约 600 Hz 处：有利方向对部分录音引入高达 13 dB 衰减，宽带最优方向搜索也无法消除。
容差扫描给出装配余量：偏离最优 45 度内附加衰减 P3i 约 3 dB、A20i 约 2.7 dB，最差平均衰减 P3i 约 12 dB、A20i 约 8.8 dB。这接近理想直线投影的余弦规律，实测略小可能因为振动并非纯直线。含义是方向要大致贴对，但不必苛求几度精度。
边界：哪些结论不能向外推广
论文明确承认高频估计受三轴本底限制而上偏，1 kHz 以上空间结论难以成立，未来需更低本底单轴器件验证。100 Hz 以下激励不足与运动伪影使方向方差增大，200 Hz 以下离群与基频以下谐波缺失混杂。相关消融实验并未充分展开，这是频谱解释的主要缺口。
样本与设备边界同样具体：14 男 3 女且多为欧洲背景，无耳道形态分层，方向一致性外推受限。仅两款耳塞且固定方式不同，质量、耦合与安装位置未能受控分离，硅胶翼解释仍为假设。噪声本底对比依赖公开曲线换算，安装与校准差异未量化。
更关键的是下游任务缺席。单轴够用仅在信号功率层面成立，没有语音增强、识别或端点检测的等价性验证。若把本文结论直接理解为单轴增强效果不变，就超出了证据允许的范围。A20i 在 600 Hz 的反例恰说明功率平均数会掩盖高频细节。
可复现性：能做什么，不能复刻什么
可复用的部分是流程而非权重。论文披露 48 kHz 采样、4096 点 Hann 窗、一半重叠、细分倍频程平滑与 100 Hz 至 1.5 kHz 预滤波。还给出 3250 方向半球扫描与等角环统计，以及重力加倾头构造 Wahba 问题的标定思路。这些足以重建谱估计与投影仿真的骨架，适合作为课程复现起点。
缺失的部分阻碍逐字复刻：完整滤波器清单、标定重复性误差与佩戴密封的操作定义没有完整统计。也未发布代码、数据与演示，两款示例单轴本底来自公开文档换算。安装与校准差异未给出不确定度，高频对比因此带有换算误差。
对刚入门的研究者，更务实的复现路径是先用自有三轴样机重复低频结论。同步录制静音与朗读，检查 100 Hz 至 400 Hz 平台与 400 Hz 后滚降是否存在。再做带通主成分分析看第一主成分是否超过 7 成，最后做有利与不利投影对比。若这 3 步复现，再谈高频与多机型扩展。
收束：为选型留下的三条准则
回到开头的工程问题，论文给出的答案相当收敛：先保证低频信噪比，因为高功率集中在 400 Hz 以下。在该段 20 dB 信噪比容易实现，而在 1 kHz 至 2 kHz 需要约 0.5 微重力量级的本底。再把单轴朝向耳道口内外方向，因为跨被试一致且偏离 45 度内损失小于 3 dB。
最后对豆状无翼结构保留多轴选项，因为 600 Hz 附近的平面成分无法用单一方向无损覆盖。比喻只能走到这里：骨导通道像一条只通低音的走廊，单轴传感器像一扇朝向走廊的门。门朝对了低音几乎全进来，朝错了会被挡掉十多分贝。
回到真实信号路径，这对应传递函数截止、主成分方差与投影增益 3 组曲线的联合约束。未完成的拼图同样清晰：更低本底器件的高频标定、更多耳型的受控比较，以及从功率衰减到增强收益的验证。完成这些之前，最稳妥的表述是单轴在低频高功率段可行。
📎 论文与评分元数据
标签：#语音增强 | #端到端 | #鲁棒性 | #工业应用
6.3/10 | 创新 1.2/2 | 技术严谨 1.2/1.5 | 实验充分 1/1.5 | 清晰度 0.8/1 | 影响力 0.8/1.5 | 开源 0/1.5 | 可复现 0.3/0.5 | 工程/实践 1/1.5
✅ 6.3/10 | 前50% | 文档类型：应用研究 | 评分置信度：高 | #语音增强 | #端到端 | #鲁棒性 | #工业应用 | arxiv
⚖️ 评分依据与证据（展开查看）
逐维得分、全文证据与扣分边界
创新性 (1.2/2)：将 SNR 折算选型，头部对齐可视化与投影增益容差曲线放在同一测量体系，补上从物理量到单轴选型的缺失环节，组合有新意但无新模型。
技术严谨性 (1.2/1.5)：重力加倾头构造 Wahba 问题并用 Kabsch 求解旋转，Welch 估计加 TF 范数与 PCA 投影链条假设明确，并承认 1 kHz 以上上偏为上界，逻辑自洽。
实验充分性 (1.0/1.5)：17 人 68 路数据支撑 100 Hz 至 400 Hz 主结论与有利 0.7 dB 至 1.5 dB 对不利 11 dB 对比，但仅 2 款耳塞窄人群且缺下游增强验证，高频与外推不足。
清晰度 (0.8/1)：采集标定频谱空间投影四段流程与输入输出符号定义完整，2 张关键表口径清晰，但滤波与标定细节分散影响阅读流畅性。
影响力 (0.8/1.5)：聚焦耳塞佩戴者语音采集的低通带宽与耳道口内外方向准则，直接服务语音增强选型，但下游收益未验证且 1 kHz 以上不可用限制辐射。
开源 (0.0/1.5)：论文未发布核心代码、模型权重或数据资源，也未给出明确的后续开源承诺。
可复现性 (0.3/0.5)：已披露 48 kHz 采样 4096 点 Hann 窗 50% 重叠 1/12 倍频程平滑与 100 Hz 至 1.5 kHz 预滤波，但标定重复性误差与完整滤波器清单缺失。
工程/实践价值 (1.0/1.5)：给出可复用同步采集加姿态标定加投影仿真流水线，输出有利方向衰减与 45 度内小于 3 dB 容差，可直接指导安装但无时延吞吐测量。