标签：#声场重建 | #信号处理 | #空间音频信号 | #麦克风阵列
评分：5.7/10 | 创新 1.3/2 | 技术严谨 1.1/1.5 | 实验充分 0.8/1.5 | 清晰度 0.7/1 | 影响力 0.8/1.5 | 开源 0/1.5 | 可复现 0.3/0.5 | 工程/实践 0.7/1.5
👥 作者与机构
- Yuancheng Luo：机构信息未在 arXiv HTML 中可靠披露
📌 核心摘要
本文输入为两端空间房间脉冲响应（Spatial Room Impulse Response，SRIR）在时长上聚合后的声源与反射方向样本，输出为中间源位置处连续演化的球面回声密度，用于解决移动声源下多径方向分布难以线性插值的问题。方法链分为三步：先以幅度平方和（Sum-of-Magnitude-Square，SOMS）球谐展开构造非负带限密度，再用平方和半定规划（Sum-of-Squares Semidefinite Programming，SOS-SDP）做最大似然估计并经特征分解降阶，最后对旋转后边缘累积分布做逆变换与切片Wasserstein最小二乘拟合得到插值密度。与线性混合直接淡入淡出能量、几何乘积只保留交集不同，切片位移插值沿大圆线性移动逆累积分布，因而能跟踪直达声与反射峰的空间迁移。在N=100均匀球面方向密度拟合评测设置下，最大似然模型的对数似然指标为-192.9，高于核密度估计的对数似然指标-222.5。结论目前仅适用于聚合掉时间的方向密度与镜像源仿真房间，未验证混响时间变化、真实阵列测量与大幅遮挡下的外推能力。该结论的适用边界受限于聚合掉时间的方向密度与镜像源仿真房间。原文未披露训练、推理或部署成本。
🔗 开源与复现资源
本次未形成可展示的已核验资源记录，开放状态尚未核实。
可达状态仅表示本次链接检查结果，不代表许可证、本文权重或运行复现已验证。
🧭 深度解读
输入是什么：移动声源为何让空间脉冲响应难采集？
本文输入是空间房间脉冲响应，即带有方向信息的房间脉冲响应。可以用高阶 Ambisonics 格式理解：它不只记录某个接收点随时间到达的声音波形，还记录声音从哪个方向到达。采集时通常用球形传声器阵列，把声场分解到球谐基上。目标是回答当声源沿路径移动时，如何从两端点处测得或仿真得到的响应出发，插值出中间位置的方向分布。
必须保留的信息是声源直达声与墙面多次反射共同构成的回声方向结构，以及插值需要在球面坐标上保持分布的连续搬运，而不是简单混合波形幅度。输出是每个中间时刻的聚合回声密度函数及其球谐系数，可用于更粗采样网格下的声源与反射推断。
初学者可以这样建立学习依赖：先理解房间镜像源模型把每次反射等效为一个虚声源，再理解把大量镜像源方向投影到有限阶球谐会得到带限密度，最后理解最优传输提供分布之间最短搬运的度量。本文只研究方向分布随球面坐标的演化，做法是把一条空间脉冲响应持续时间内的镜像源贡献全部聚合起来，暂不联合建模到达时间与方向的耦合。这是一个有意简化：聚合后可以用球谐函数上的可处理密度度量回声密度，避免对每个反射峰做跨响应的峰匹配。
空间房间脉冲响应 × 回声密度： 空间房间脉冲响应负责记录从声源经直达与多次反射到达接收点的完整时域与方向过程，回声密度负责把该过程中大量镜像源的方向贡献按时间聚合为球面上的概率分布，二者搭配的原因是直接插值波形峰值难以对应多径的时空移动，而聚合后的密度把问题转化为可度量的分布输运，组合意义在于用分布间的最短搬运代价评价插值是否跟上了声源与反射的真实移动。
本解读默认从原文独立写作，事实只依据本次收到的论文原文证据。资源状态方面，本次未发现来源绑定且完成超文本传输安全协议状态验证的资源，因此不得声称代码、模型或数据已公开，本文也不作当前可用或已公开的判断。
已有路线如何插值空间响应？本文切了哪一块？
相关路线可按同输入、同目标、同运行阶段对照。第一类是峰匹配加时域与到达方向联合插值：利用早期反射镜像源点云的时间和到达方向做跨响应的对应，再插值波形。这类方法保留了时间结构，但需要解决反射峰在不同位置之间的指派问题，峰数量大时对应困难。第二类是声传递函数的空间插值，例如非参数核岭回归与变分高斯过程，把传递函数看作空间坐标的回归目标。
这类方法适合平稳假设下的连续预测，但对多径方向分布的几何移动缺乏显式的输运解释。第 3 类是早期反射点云的部分最优传输，直接在镜像源点集上求搬运，本文明确说明自己的聚合密度最优传输与该路线互补。
本文切的是聚合后的方向密度演化。做法是先用球谐镜像源仿真得到每个声源位置的全部镜像源入射角与延迟，再把加权贡献沿时间积分，只留下方向密度。这样做的安排理由在引言中写明：把大量镜像源聚合到空间带限球谐函数上，可以得到球面坐标上可处理的回声密度度量，从而高效估计声源与反射跨响应的测地度量或最短路径指派。换句话说，本文不竞争波形级插值精度，而是提供分布级的度量与插值工具。理解这一点才能正确评价后文实验：它比较的是密度形状随路径的泛化，而不是重放波形的听感或逐采样点误差。
问题如何形式化：从方向样本到密度再到路径插值？
形式化分 3 步。第一步是密度表示：给定观测到的反射方向集合，用有限阶球谐系数表示球面上的概率密度，要求非负且积分为一。第二步是密度估计与采样：从方向样本估计密度参数，并能从估计出的密度高效抽出新的方向样本，用于蒙特卡罗计算与可视化。第 3 步是路径插值：给定起点时刻零与终点时刻一的两个密度，求归一化时间介于零到一之间的中间密度，使其在球面切片 Wasserstein 意义下接近两端分布之间的位移路径。
举一个教学例子帮助定位，但例子中的数值仅为示意而不代表论文测量：假设起点密度在北极附近集中，终点密度在赤道附近集中，线性混合会在两处各留一个峰并改变高度，而位移插值应让一个峰沿着球面搬过去。论文的真实任务更复杂，因为目标包含直达源加多次反射的多个瓣，以及球谐带限带来的平滑。本文的判断标准是切片 Wasserstein 距离随路径的变化，距离越小说明插值密度越接近按镜像源仿真得到的真值密度。
方法全景：一个样本走完表示到插值的全链路
沿一个镜像源样本走完全链路。输入是一个镜像源的入射方向与权重，权重正比于该镜像源到接收点的距离倒数与其墙面反射衰减的乘积。表示阶段把该方向通过球谐投影核展开为有限阶展开，相当于把单位脉冲按该方向进行 Ambisonics 编码。多个镜像源的展开按权重叠加并归一化，得到该声源位置的真值镜像源密度。组件阶段把密度约束为平方幅度和形式，保证非负。
用半定规划或谱加权做极大似然估计；在需要时用解析累积分布做逆变换采样。目标阶段计算两端密度的球面切片 Wasserstein 距离，并在切片逆累积分布函数上做线性插值，再反解中间密度的非负最小二乘拟合。输出是中间时刻的密度函数值与其球谐系数，可进一步做阶数约减。
全景中有两个关键取舍。第一是用聚合换取可处理性：丢掉时间维度后，分布比较变为球面密度比较，可用切片投影高效计算。第二是用两步优化换取有效性：先用非负最小二乘拟合切片分位数目标，再用平方和半定规划把拟合值投影回非负密度流形，避免直接优化出现负值区域。后续各节按表示、估计、采样、插值的依赖顺序展开。
表示如何保证非负：平方幅度和展开的分工是什么？
球谐展开本身只保证带限，不保证非负。有限阶截断会产生空间混叠纹波，在球面上出现本不该有的正负振荡。如果直接把截断系数当密度，对数似然会出现对负值的对数，采样也会失效。平方幅度和的解决思路是先用较低阶系数表示若干个复值中间函数，再把它们的模平方相加。每个模平方逐点非负，相加仍非负，总和自然可作为未归一化的密度。
归一化通过零阶系数约束实现，因为球谐基的正交性使球面积分只与零阶系数有关；等价条件是所有中间系数向量的能量和为一。
\[\displaystyle\begin{split}f_{\bm{D}}(\theta,\phi)&=\sum_{l=0}^{L_{D}}\sum_{m=\minus l}^{l}Y_{l}^{m}(\theta,\phi)D_{l}^{m}=\sum_{s=1}^{S}f_{\bm{C}_{s}}(\theta,\phi)f_{\bm{C}_{s}}^{*}(\theta,\phi),\\ \bm{D}&=\sum_{s=1}^{S}\bm{C}_{s}\diamond\tilde{\bm{C}}_{s}=\left[{D_{0}^{0},D_{\minus 1}^{1},\ldots D_{L_{D}}^{L_{D}}}\right]^{T}\in\mathbb{C}^{N_{D}\times 1},\end{split}\]上式中前半部分是密度系数的球谐综合，后半部分是中间展开与其共轭乘积之和，菱形算子表示球谐乘积对应的系数运算，最高阶为中间阶数的 2 倍。实现上需要把复球谐通过变换矩阵转为实形式再优化，复共轭与乘积规则由该变换保持。
球谐展开 × 平方幅度和： 球谐展开负责用有限阶基函数表示带限声场的方向连续函数，平方幅度和负责把多个展开的模平方相加从而逐点保证非负，二者搭配的原因是截断球谐本身会振荡取负、不能直接当概率密度，组合意义在于得到阶数翻倍但处处非负、可归一、可求似然与累积分布的密度参数化。
密度如何估计：三种估计量在偏差方差与代价上如何取舍？
估计的起点是核密度基线。把每个观测方向的球谐投影作为一个各向同性核，其带宽反比于最大阶数，多个核平均即得过平滑的平方幅度和密度。论文报告该基线在均匀分布抽样下的对数似然最低，原因是带限核把能量摊开，无法锐化。改进有两条。第一条是谱加权：在核投影的经验协方差特征向量上只优化特征值权重，把变量数从矩阵量级降到向量量级，得到更尖锐且计算更便宜的密度。
第二条是全矩阵极大似然：直接在半正定矩阵上优化对数似然，迹上界约束使可行域凸，且最优处迹约束取紧，因为放大矩阵会增大似然。解的特征分解给出加权的特征向量列，非零列对应平方和的各个分量。
\[\displaystyle\begin{split}\bar{\bm{Q}}_{*}&=\underset{\bar{\bm{Q}}}{\operatorname{arg}\,\operatorname{max}}\;\ell\left({\bar{\bm{Q}}}\right)\qquad\textrm{s.t.}\qquad\bar{\bm{Q}}\succeq 0,\quad\textrm{{tr}}\left({\bar{\bm{Q}}}\right)\leq 1,\\ \ell\left({\bar{\bm{Q}}}\right)&=\sum_{n=1}^{N}\log\left({\textrm{{tr}}\left({\bar{\bm{Q}}\left({\bar{\bm{Y}}_{\theta_{n}\phi_{n}}\bar{\bm{Y}}_{\theta_{n}\phi_{n}}^{T}}\right)}\right)}\right),\quad\bar{\bm{Q}}_{*}=\bm{V}\bm{\Sigma}\bm{V}^{T},\end{split}\]上式是实数域平方和半定规划：目标为各样本处 2 次型迹的对数和，约束为半正定与迹不超过一，解的分解用于恢复展开系数。论文用均匀球面抽样展示了偏差方差权衡，相关比较问题是：在相同阶数与相同样本下，哪种估计的观测似然更高、过拟合风险与计算代价如何。
为回答该问题，下表整理了原文报告的估计条件与对数似然，指标方向为越大越好，公平条件是同为最大阶数六、同为 100 个均匀采样方向。表前已说明比较问题与条件，此处直接给出数字。
| 条件 | 指标 | 核密度基线 | 谱加权估计 | 全矩阵极大似然 | 均匀密度对照 |
|---|---|---|---|---|---|
| 最大阶数六，100 个均匀方向 | 对数似然 | −222.5 | −216.5 | −192.9 | −253.1 |
表后解释如下。谱加权相对核密度提高了似然，说明在固定特征方向下重分配权重已能锐化密度；全矩阵极大似然进一步提高到 -192.9，显示联合优化方向与权重最充分。但原文同时指出全矩阵解在均匀真值下有过拟合风险，图示密度出现虚假起伏，因此谱加权被评价为偏差方差与计算代价的折中。未胜出项是均匀密度对照，其对数似然最低，说明任何数据自适应的非均匀拟合都优于常数密度，但这不证明高似然等于更好的泛化，这是后文需要用插值实验补充的原因。
极大似然估计 × 半定规划： 极大似然估计负责定义观测方向在当前密度下的对数似然目标，半定规划负责在协方差矩阵半正定且迹有界的凸可行域上求该凹目标的全局最优，二者搭配的原因是平方和系数的 2 次结构可折叠为矩阵迹形式，组合意义在于把非凸的系数搜索转化为凸的矩阵优化并用特征分解恢复稀疏的展开系数。
采样如何加速：边缘与条件分布的解析式带来什么？
采样目标是从平方幅度和密度抽出方向对。直接 2 维拒绝采样在高阶密度下效率低。本文推导了联合累积分布的解析式，并分离出余纬边缘分布与给定余纬后的方位角条件分布。余纬边缘分布只与零阶方位角系数的子集有关，可写成勒让德多项式的组合；其导数是密度沿方位角积分后的边缘密度，可用余弦多项式快速求值。方位角条件分布的分子是固定余纬处沿方位角的不定积分，分母是该余纬圈上的归一化常数，导数正比于该余纬处的密度切片。
\[\displaystyle\begin{split}F_{\Theta}(\theta)&=\sum_{l=0}^{L_{D}}\sqrt{\frac{\pi}{2l+1}}\,D_{l}^{0}\left\{\begin{array}[]{cc}1-\cos\theta,&l=0\\ P_{l\minus 1}\left({\cos\theta}\right)-P_{l\raisebox{0.0pt}{\scalebox{.55}{+}}1}\left({\cos\theta}\right),&l>0\\ \end{array}\right..\end{split}\]上式给出余纬边缘累积分布：零阶项为一减余弦，高阶项为相邻阶勒让德多项式之差的加权和。实现采用先抽均匀随机数再求逆的流程：对余纬用带括号的牛顿拉夫森迭代求逆，导数在极点附近很小因而容易越界，此时切换为二分法兜底，并在余弦域迭代以避免反复计算三角函数；对余纬固定后预计算该圈上的连带勒让德值，再对条件分布做同样带括号的迭代求方位角。该文称此为 11 维逆变换在实现上指对球谐系数的解析投影计算，教学上可理解为把 2 维采样拆成 2 次 1 维求根。
逆变换采样 × 边缘与条件累积分布： 逆变换采样负责把均匀随机数映射为服从目标密度的方向样本，边缘与条件累积分布负责把 2 维球面采样拆为先采余纬再采方位角的两步解析计算，二者搭配的原因是球谐密度的积分对勒让德多项式有闭式表达，组合意义在于用带括号的牛顿迭代加二分兜底实现无需拒绝采样的高效方向采样，并为 1 维 Wasserstein 距离提供逆累积分布函数。
没有神经网络训练时，真正的优化与计算是什么？
本研究没有训练神经网络模型，因此不存在梯度反传、参数冻结与解冻、训练集验证集划分或早停。本节按要求明确说明未训练对象，再讲实际执行的计算。实际计算是 3 类凸优化与数值求根。第一类是密度估计中的半定规划与锥规划，用凸求解器求半正定矩阵或非负谱权重，监督来源是观测方向的对数似然，不是标签。第二类是插值中的非负最小二乘：把切片分位数目标写成对密度网格值的线性方程，用非负约束求最小二乘解。第 3 类是把该网格值再投影回平方和流形的平方和半定规划，最小化网格重构平方误差，解后归一化使积分为一。
关于实现细节，原文未报告求解器容差、迭代次数、运行硬件与 wall-clock 时间，也未报告梯度路径，因为凸优化由求解器内部处理，不属于神经网络梯度。本文不从模型名称推定任何实现，不把无训练等同于确定性求解：半定规划与非负最小二乘在数学上是凸的，但数值解仍受初始化、容差与切片离散化影响。缺项已在此指出，后文复现节将列出可重放的仿真参数与需要补测的成本项。
实验如何搭建：路径房间与真值密度从何而来？
实验要测的是给定两端点密度时，中间路径密度的泛化误差。声源沿直线路径均匀取点，起点与终点分别位于给定 3 维坐标，接收点固定，房间为矩形，墙面反射系数均匀。每个声源位置用球谐镜像源方法计算房间脉冲响应，每个镜像源按入射角展开到最大阶数八的加权平方幅度和投影核，权重为距离倒数与墙面衰减的乘积，再沿仿真时长积分得到该位置的真值密度。比较策略都只以前两端点为条件，分别用线性混合、乘积即几何混合与本文两步 Wasserstein 方法生成中间密度，并归一化为单位积分，再用球面切片 Wasserstein 距离评价与真值的差距。
比较的公平条件值得细读：三者共享相同的端点密度、相同的阶数与相同的归一化，不共享的是混合机制。线性混合做幅度的凸组合，乘积混合保留共同支撑，Wasserstein 做分位数的搬运。下表把原文明确给出的仿真配置集中呈现，便于复现时逐项核对。表前问题是复现需要哪些几何与仿真参数，公平条件是所有插值方法共享同一批真值，指标方向在下一节交代。
| 条件 | 指标 | 声源路径 | 接收点与房间 | 仿真时长与阶数 | 墙面与权重 |
|---|---|---|---|---|---|
| 直线路径均匀取点 | 几何与仿真配置 | 起点与终点坐标 | 接收点坐标与房间尺寸 | 时长与最大阶数 | 反射系数与权重 |
| 端点间插值 | 具体取值 | 起终点给定 | 接收点与矩形房间 | 150 ms 与阶数八 | 系数三分之一与距离倒数乘衰减 |
表后补充可核对细节。房间尺寸为 7 乘 8 乘五米，墙面反射系数为三分之一，仿真时长为 150 毫秒，最大阶数为八。原文还说明切片法向从球面斐波那契螺旋上取 8 倍密度系数个数的点，概率网格取均匀分位数。未评测边界是该实验只做一条从左到右的直线路径与单一接收点、单一房间、单一反射系数，未覆盖曲线路径、多接收点或非均匀墙面，因此文末泛化结论应限定在该条件下理解，负结果与跨房间表现原文未报告。
主结果是什么：在整条路径上谁的切片距离最小？
主结果按问题组织：测的是不同归一化时刻下插值密度与真值密度的球面切片 Wasserstein 距离，与谁比是线性与乘积两种可运行插值，条件一致是同端点同阶数同归一化，指标方向为距离越小越好。论文报告 Wasserstein 插值在整个路径上取得最小距离，中间时刻的可视化差异被描述为线性密度在直达源贡献之间淡入淡出，乘积密度过滤出共同贡献，而 Wasserstein 密度跟踪移动声源与反射贡献的搬运。原文未给出逐时刻距离的数值表，因此本节不能编造各时刻数值，只能转述趋势判断并用估计阶段的定量似然表支撑方法有效性，用插值公式的定性对照支撑机制解释。
为满足定量对照要求，下表复用原文唯一完整报告的数字，即密度估计阶段的对数似然，并把插值阶段的定性结论单列说明，避免把不同指标混放。表前问题是方法改进是否有可运行基线上的数字收益，公平条件是同阶数同样本，指标方向为似然越大越好。
| 条件 | 指标 | 可运行基线一 | 可运行基线二 | 本文估计 | 插值阶段对照 |
|---|---|---|---|---|---|
| 阶数 6 与 100 个方向 | 对数似然与切片距离趋势 | 核密度 -222.5 | 谱加权 -216.5 | 全矩阵 -192.9 | Wasserstein 全程最小 |
表后解释主要收益与代价。收益是估计似然单调提升且插值趋势最优，支持聚合密度加最优传输对直线路径有效的判断。代价是全矩阵估计变量数为矩阵量级，谱加权降为向量量级；插值还需先解非负最小二乘再解平方和半定规划，计算量高于线性与乘积的闭式混合。未胜出项是线性与乘积：线性实现最简单但产生非物理的双峰共存，乘积在端点支撑不重叠时可能过度收缩，这些反例正是位移插值要解决的，但本文未测量听感或波形误差，因此不能把切片距离最优推广为重放质量最优。
球面切片 Wasserstein 距离 × 位移插值： 球面切片 Wasserstein 距离负责把球面分布间的输运代价投影到大量大圆上的多组 1 维 Wasserstein 距离再积分，位移插值负责在每个切片上对逆累积分布函数做线性插值得到中间时刻的分位数路径，二者搭配的原因是高维球面最优传输难算而 1 维分位数插值有闭式，组合意义在于用最小二乘拟合这些目标分位数来反解中间时刻的球谐密度，实现质量块的移动而非幅度的淡入淡出。
哪些设计不可少：非负约束与切片分辨率起什么作用？
论文没有以表格形式报告消融，但正文给出了两处可视为反证的讨论。第一处是最小二乘切片拟合本身不保证非负。原文明确指出，即使提高法向与分位数分辨率能减少负值区域，也不能消除负值，因此必须引入非负最小二乘与平方和投影。这说明非负不是后处理可选项，而是密度有效性的必要条件：没有它，对数似然无定义，采样分母可能为零或负。第二处是估计量的光谱：核密度过平滑，全矩阵极大似然可能过拟合均匀真值，谱加权居中。这说明容量与约束需要平衡，单纯提高似然不等于更好。
另一处隐含消融是模型阶数约减。标题与实验提及模型阶数约减，但正文未给出不同阶数下的距离曲线或保留能量阈值，因此不能量化约减到多少阶仍保持全程最优。教学上可把阶数理解为带宽：阶数越高核越窄、细节越多，但变量与切片点数随之增长。未验证的推测是更高阶会进一步降低切片距离，但会放大过拟合与求解时间，原文未测量该权衡，本文用可能或待验证的语气保留，不作因果断言。
边界在哪里：时间聚合与直线路径带来什么限制？
直接限制有 3 层。第一是时间聚合：把持续时间内的贡献积分后，脉冲到达时间与早期反射的时序结构丢失，插值结果只能评价方向分布，不能用于需要精确时延的波形重建。若下游任务对直达声时延敏感，需要另行建模时间维度。第二是路径与场景单一：仅在一条直线路径、一个接收点、一个矩形房间与均匀反射系数下验证，未测试曲线轨迹、遮挡、非均匀吸声或实测数据，因此跨场景泛化待验证。第三是度量依赖离散化：切片距离依赖大圆法向采样与分位数网格，论文用 8 倍系数个数的螺旋点与均匀分位数，但未报告改变采样数时的距离波动，也未报告求解时间与内存。
相关性不等于因果：切片距离全程最小支持 Wasserstein 插值与真值更接近，但不证明听感更好或定位误差更小，因为这些指标未测量。缺失证据不是技术错误，本文把它们列为补验证项：若要部署，需要补测不同房间与路径下的距离曲线、端点间距加大时的失效点、以及非负最小二乘加半定规划在目标阶数下的实际耗时。
复现先做什么：按什么顺序核对参数与求解？
复现应先重放仿真再重放优化。第一步按实验配置生成真值：在给定房间尺寸与反射系数下，对路径上均匀声源位置计算球谐镜像源响应，按距离倒数与墙面衰减加权投影到最大阶数 8 的核上，并沿 150 ms 积分归一化，得到各时刻真值密度。第二步重放估计：在最大阶数 6 与 100 个均匀方向条件下，分别实现核平均、谱加权锥规划与全矩阵半定规划，核对对数似然是否复现 -222.5、-216.5、-192.9 的排序，均匀对照是否为 -253.1。
第 3 步重放采样：实现余纬边缘与方位角条件解析式，用带括号牛顿迭代加二分兜底抽样，检查样本直方图是否贴合密度。第 4 步重放插值：按螺旋法向与均匀分位数计算切片逆累积分布，做分位数线性插值，再依次解非负最小二乘与平方和半定规划并归一化，最后计算各时刻切片距离。
关键超参数与信息条件包括最大阶数、螺旋点数、分位数个数、非负约束与迹约束的取紧方式。原文明确用实数变换后的半定规划与非负最小二乘，未给出求解器名称之外的容差与硬件预算，复现时应记录这些缺项。代码与数据方面，本次未获得经验证的公开链接，因此本文不声称可下载或可运行，复现需自行实现上述 4 步。
何时值得尝试本文方法？一句话收束
当任务是声源移动时方向分布的连续预测，且已有两端点的球谐镜像源密度、评价允许先聚合时间维度时，本文的两步 Wasserstein 插值值得尝试，因为它把质量搬运显式建模，比线性淡入淡出与乘积取交更符合镜像源沿球面移动的物理直觉。当任务需要精确波形时延、实测大房间泛化或实时约束时，应先补验证再采用，因为原文只在单一直线路径与单一房间下显示切片距离最优，未测量时延误差、听感与计算成本。
常见误解需要澄清：平方幅度和不是为了提高阶数，而是为了在带限下换取非负；切片距离全程最小不是每一切片或每一步都最优，总体趋势不等于逐点成立；高对数似然不等于好插值，均匀例子中的过拟合提醒已说明这一点。收束为可复述的方法句：用平方和参数化保证密度非负，用凸优化估计密度并用解析逆变换采样支撑切片计算，再在切片分位数上线性插值并投影回非负流形，从而得到直线路径上跟踪声源与反射搬运的中间密度。
📎 论文与评分元数据
排名：前50% | 文档类型：方法研究 | arXiv 原文
⚖️ 评分明细
评分属于系统判断，不是论文实验结果；八维数值与总分见页首，原始审计记录保留在后端。
评分规则：type-aware-v1
评分模型：muse-spark-1.3-contributor
评分请求协议：openai_responses