Non-iterative Modal Parameter Estimation for Plate Reverbs via Matrix-Pencil-Guided State Space Model Initialization

英文题目：Non-iterative Modal Parameter Estimation for Plate Reverbs via Matrix-Pencil-Guided State Space Model Initialization

会议身份：conference:dafx:2026:conference-paper-id:DAFx26_challenge_86

✅ 来源为官方会议 PDF；表格与 Figure 按原文证据绑定。PDF 公式以原页区域图片展示，未冒称作者原始 TeX。

会议来源：官方记录 · 官方 PDF

标签：#信号处理 #状态空间模型 #可解释性 #房间脉冲响应估计

评分：5.7/10 | 创新 1.2/2 | 技术严谨 1.0/1.5 | 实验充分 0.8/1.5 | 清晰度 0.7/1 | 影响力 0.7/1.5 | 开源 0.0/1.5 | 可复现 0.3/0.5 | 工程/实践 1.0/1.5

排名：前50% | 文档类型：方法研究

👥 作者与机构

Matthias Bittner：机构信息未能从会议 PDF 纯文本可靠映射
Axel Jantsch：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

板式混响建模需从单通道长时脉冲响应中恢复数千模态的频率、衰减与增益，输出为可解释的并联二阶全极点滤波器参数，难点在于高频模态密集交叠且总模型阶数未知。方法分三步：先以频谱丰富度回归估计总模态数以确定模型阶数，其输出直接决定后续需补足的模态数量。再以矩阵铅笔法估计低频子集极点并拟合衰减随频率的多项式关系，在最高估计频率至上限间均匀采样频率并外推衰减得到剩余高频极点。最后将全部极点装入对角复值状态空间模型初始化特征值，以单脉冲激励求状态响应并经最小二乘闭式求解输出权重再换算为模态增益。与需迭代梯度优化的前作及峰值检测基线相比，该方案以线性基展开替代梯度学习，保留频率衰减到复特征值的直接映射并维持可解释表示。在自生成17条脉冲响应评测下，本方法的RE为0.78，低于基线的RE 1.96。该结论适用边界受限于合成板数据与匈牙利匹配评测，高频外推依赖衰减随频率光滑变化假设，失配时外推性能下降，尚未验证真实录制板混响的泛化；在硬件为2×Intel Xeon Gold 5118服务器上，16条测试集推理开销约42分钟，单条矩阵铅笔分解约30秒。

🔗 开源与复现资源

第三方资源：https://scikit-learn.org/stable/modules/isotonic.html — 链接可访问（HTTP 200）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，输出要保留什么？

这篇论文研究的是平板混响的参数估计。输入是一条实测或合成的脉冲响应，也就是在平板一端送入一个很短的激励、在另一端记录下来的随时间衰减的声音。输出不是直接回放这条波形，而是要恢复它背后由哪些振动模态组成，每个模态的频率是多少、衰减多快、强度多大。白话说，频率决定听到的音高位置，衰减率决定这个成分拖多长，增益决定这个成分有多响。英文上，频率是 frequency，衰减率是 decay rate 或 damping，增益是 gain，模态总数是 total number of modes。

必须保留的信息是可解释的物理参数，而不是黑盒网络的权重。论文开头就对比了两条路线：神经网络黑盒拟合精度可以很高，但拿不到有物理意义的模态参数；模态共振写法把每个模态写成离散时间 2 阶谐振器，参数直接对应物理直觉。任务属于 DAFx26 参数估计挑战的任务 B，目标脉冲响应采样率为 44.1 千赫兹，长度为 5 秒，模态数量级为数千。

研究生复述时要先说清这一点：输入是单通道脉冲响应，输出是与之对应的频率向量、衰减向量和增益向量，外加总数估计，评价时还要看估计到的模态与真实模态能否一一对应上。

模态共振子 × 2 阶全极点滤波器： 模态共振子负责刻画平板某 1 阶振动的频率、衰减和受激强度，2 阶全极点滤波器负责把这阶振动写成可递推计算的离散时间分母多项式，二者搭配的理由是每 1 阶模态恰好对应一个双极点谐振器，把全部谐振器并联相加就得到整块板的传递函数，组合意义是后续所有参数估计都可以落到频率、衰减、增益 3 组物理量上。

初学者容易把混响拟合理解成只要波形像就行。本文强调的额外约束是系统表示必须可解释，且后续可以直接改成并联滤波器实现。这决定了方法不能只做波形回归，必须显式给出极点和增益。因此后文所有步骤都围绕如何不靠梯度迭代得到这两组量展开，读方法时要不断回问这个估计量将来落到哪个物理参数上。

同输入同目标下已有路线如何分工？

在相同输入和相同目标下，论文提到了 3 类相关工作。第一类是经典模态综合，把每个模态写成离散递推，用双 2 阶节并联实现，这是本文建模的出发点。第二类是作者团队此前的对角复数值状态空间模型工作，证明了这类受限对角模型与并联 2 阶全极点结构等价，并曾用矩阵铅笔引导特征值初始化再加梯度优化来拟合平板脉冲响应。那项工作报告能较好恢复模态参数，但需要预先知道模态数，且依赖迭代优化。

第 3 类是挑战主办方给出的基线，先在幅度响应中找峰得到频率和带宽，再用半功率带宽规则推阻尼，最后在峰值处取频响虚部估计增益。有源对照的关键是运行阶段和监督条件不同。基线是逐峰检测加规则换算，不需要训练回归器，但论文报告它在高模态数下只能找出极少数峰。作者旧方法是矩阵铅笔初始化加梯度优化，需要迭代且计算量随脉冲长度和模态数增长。本文新方法是总数估计加矩阵铅笔初始化加最小二乘，不做梯度更新。

教学上不要把类别差异当成同条件胜负：基线与本文方法在同一自生成数据上比较，但挑战隐藏测试集的真值未公开，本文的比较只能支持在自生成条件下的相对趋势，不能推广为在所有平板上的普遍优劣。资源状态方面，论文正文给出一个第三方链接作为实现说明，核对状态为可用，地址指向 scikit-learn 的等距回归说明页。论文没有声明代码仓库或权重下载可用，因此复现时只能按文字重写流程，不能认为存在可直接运行的官方系统。

为什么总数估计和非迭代是难点？

举一个教学例子帮助理解，不代表论文数据：假设一条脉冲响应里有 2000 个衰减正弦叠加，低频处峰比较孤立，高频处峰挤在一起且衰减更快。如果只用峰检测，高频小峰会被淹没，总数会严重低估；如果用矩阵铅笔直接对全长高采样数据做奇异值分解，汉克矩阵维度随长度增长，奇异值分解的立方复杂度会成为瓶颈。论文明确指出矩阵铅笔需要对大汉克矩阵做奇异值分解，这是计算瓶颈。第二个难点是高频模态难以逐个可靠估计。

论文的判断是矩阵铅笔对充分远离噪声、分离较好的模态可靠，但对高频密集模态不可靠。因此问题被拆成先估计总数，再只在低频可信段做矩阵铅笔，然后拟合衰减随频率的变化关系并外推到高频，最后 1 次性求增益。这样总数估计的误差会直接影响外推终点，低频估计的误差会通过拟合曲线传到高频，这是全文反复出现的误差链，读结果时要带着这条链去看。

形式上，论文把待求量记为频率集合、衰减集合和增益集合，总数记为 Mtotal，矩阵铅笔直接给出的子集记为 Mest。外推频率记为均匀采样新频率，衰减由拟合函数给出。增益不是再做 1 次峰检测，而是线性求解得到。记住这 3 个符号的分工，后文公式和步骤才不会混。

三步流水线如何走完一条脉冲响应？

先沿一条目标脉冲响应走完全程。第一步，用总数估计器读入整条脉冲响应，输出一个整数总数。第二步，用矩阵铅笔读入该脉冲响应的前 1 秒降采样段，输出低频频率和衰减子集，再拟合衰减关于频率的多项式关系，从已找到的最大频率开始均匀采样新频率直到总数补齐，并用多项式给出对应衰减。

第 3 步，把合并后的全部频率和衰减写成对角复数状态空间模型的特征值，送入单位冲激得到每个状态的时间响应，再以目标脉冲响应为监督用最小二乘求输出权重，最后按闭式换算成并联全极点表示下的增益。该流程的导读如下：下图是论文给出的 3 步总览，左中右三块分别对应上述 3 步，箭头表示数据流向而非梯度流向，全程没有反向传播，阅读时重点看总数如何作为外推的停止条件、极点如何从第二步流向第 3 步。下面独占标记为官方原图，之后一段解释像素可见内容。

看图路径： 1. 从左到右沿三块大框确认主路径：总数估计器、频率衰减估计加外推、增益估计；2. 观察中间框内目标脉冲响应如何分叉为总数支路和矩阵铅笔支路再汇入外推模块；3. 观察右框内初始化极点、评估状态响应、最小二乘求权重、转换为模态增益的箭头顺序；4. 注意右下角两个小插图分别表示输入冲激和拟合输出，不要当作频响曲线

论文图 1。原论文 Figure 1：“Overview of the proposed three-step approach.”。

从像素看，左框显示多条训练脉冲响应汇入模态数估计器；中框上方是总数估计支路，下方是矩阵铅笔估计初始极点支路，两路汇入拟合关系并采样外推极点的紫色模块，底部标注从 Mest 扩展到 Mtotal；右框显示初始化极点、评估状态响应、最小二乘估计输出权重、转换为模态增益 4 个子步骤，并画出输入冲激在零时刻高度为 1、输出拟合波形随时间衰减的示意。理解这张图就抓住了非迭代的含义：可学习量只有总数回归器和衰减频率曲线，极点一旦固定，增益 1 次求解，不存在多轮梯度更新。

频率衰减与外推具体如何计算？

总数估计组件的做法是先对数压缩幅度响应以强调弱谱成分，再切成重叠局部小块，堆成数据矩阵并各自去均值以去掉整体能量偏移，然后做奇异值分解。论文的直觉是模态少时局部小块彼此相似，只需少数奇异向量；模态多时局部结构多样，奇异值分布更宽。用归一化奇异值的熵再取指数得到标量频谱丰富度，再用等距回归拟合它到总模态数的映射。实现上用 128 条脉冲响应拟合该回归器，测试时沿用同一超参数设置生成的脉冲响应。

原文未报告该回归器的单调性约束细节和交叉验证误差，复现时只能按描述重做并自测，这是一处具体缺项。频率和衰减估计分三小步。矩阵铅笔作用于降采样后的前 1 秒数据，阶数由汉克矩阵奇异值累计能量决定，阈值为至少解释 99.999% 的总奇异值能量。得到低频子集后，拟合衰减关于频率的多项式，再在最大已估计频率到 10 千赫兹之间均匀采样新频率并查表式地算出衰减。

论文把最大频率固定为 10 千赫兹，这是一个重要超参数，改变它会直接改变外推区间和总数分配。

矩阵铅笔法 × 极点初始化： 矩阵铅笔法负责从脉冲响应前段数据中直接解出指数衰减正弦的频率和衰减率，极点初始化负责把这些估计值写成状态空间模型的对角特征值，二者搭配的原因是矩阵铅笔在低频分离较好的模态上可靠，而对角模型需要一个接近真值的起点才能避免梯度迭代，组合意义是用非迭代的信号处理结果代替随机初始化加反向传播。

下图对应论文中最佳样本的频率衰减散点，横轴为频率，纵轴为衰减率，均为对数坐标，可见散点沿一条随频率上升的曲线分布，低频段有离散叉号表示直接估计，高频段为沿曲线密集外推的圆圈，个别圆圈偏离主曲线。阅读时先确认坐标含义，再看外推是否紧贴主曲线，不要把单个偏离点当作整体失败。下面为官方原图标记。

看图路径： 1. 确认横轴为频率、纵轴为衰减率，均为对数尺度，观察散点随频率上升而上升的趋势；2. 区分低频段矩阵铅笔直接估计点与中高频段沿拟合曲线外推的密集点；3. 注意个别偏离主曲线的孤立圆圈，表示外推或估计偏差，不要当作坐标轴刻度

论文图 4。原论文 Figure 4：“Estimated modes vs actual ground truth modes for the IR sample (ID=11) reaching the best evaluation metric RE.”。

像素显示低频段估计点稀疏但大致落在曲线起点附近，中频段估计点与外推点重叠较好，高频段几乎完全靠外推延续上升趋势。这支持论文的说法：在低频估计准确时外推才准确；若低频估计偏了，多项式拟合会被带偏。复述时要强调这种依赖关系，而不是只说外推有效。

对角复数值状态空间模型 × 并联 2 阶全极点滤波器组： 对角复数值状态空间模型负责用一组互不耦合的 1 阶复谐振器推进状态，并联 2 阶全极点滤波器组负责用实数双 2 阶节实现同样的脉冲响应，二者搭配的原因是前者取虚部后在数学上等价于后者，前者便于并行扫描求状态响应，后者便于对应物理实现，组合意义是可以在状态空间一侧做最小二乘，再按闭式换算回滤波器增益。

频谱丰富度 × 总模态数估计： 频谱丰富度负责把对数压缩幅度谱切成重叠局部小块后用奇异值熵度量局部结构多样性，总模态数估计负责把该标量映射为整数模态数，二者搭配的原因是模态越多局部谱形状越多样，单靠矩阵铅笔的奇异值截断难以直接给出高频总数，组合意义是先定阶再外推，避免在高频段逐个检测峰值。

状态脉冲响应 × 最小二乘增益拟合： 状态脉冲响应负责在极点固定后送入高度为 1 的单位冲激得到每个模态随时间的衰减正弦基，最小二乘增益拟合负责求一组输出权重使这些基的线性组合逼近目标脉冲响应，二者搭配的原因是极点固定后系统对增益是线性的，无需非线性优化，组合意义是把增益估计变成 1 次闭式求解。

等价性方面，论文用 Z 变换推导了受限对角模型取虚部后等于加权指数衰减正弦求和，其传递函数分母与 2 阶全极点节一致，分子差一个与特征值有关的正弦因子，因此增益换算为模态增益等于输出权重乘以指数与正弦项。记住换算只在极点固定后成立，极点本身仍来自前两步，不是由最小二乘同时优化的。

本研究训练了什么，没有训练什么？

本研究没有训练神经网络，也没有对状态空间模型做梯度更新，这必须首先说清。真实发生的计算有 3 类。第一类是总数回归器的拟合：在 128 条独立脉冲响应上计算频谱丰富度标量，再拟合等距回归得到标量到整数的映射，这一步可称为训练，但训练对象是单输入单输出的回归曲线，不是深度模型，论文未报告优化器、学习率或早停，因为不适用。

第二类是矩阵铅笔的数值计算：构造汉克矩阵、做奇异值分解、按能量阈值定阶、解广义特征值得到极点，全程是确定性数值线性代数，但论文没有把无训练等同于确定性求解，因为噪声、截断阈值和降采样都会影响结果。第 3 类是最小二乘：由状态响应矩阵与目标脉冲响应闭式求输出权重，不存在梯度路径、冻结与解冻或重置时机。监督来源也要分开说。总数回归的监督是合成数据的已知模态数；矩阵铅笔不需要外部标签，直接从波形解指数参数。

最小二乘的监督是目标脉冲响应本身。论文未报告多项式次数、正则化系数和最小二乘是否加正则，这些是复现时的缺项，不能从模型名称推定实现。若有人问拿掉多项式会怎样，原文没有消融，只能说未验证，不能断言必然变差。

数据、基线与指标在什么条件下比较？

数据方面，挑战隐藏测试集的真值未公开，论文明确说 16 条测试脉冲响应的真值隐藏且不公开，因此所有定量结论都基于自生成的 17 条随机脉冲响应。总数回归器的拟合集是另行生成的 128 条脉冲响应，与后测的 17 条采用相同超参数设置采样。被分析脉冲响应长 5 秒，采样 44.1 kHz。矩阵铅笔只看前 1 秒且降采样 4 倍，约 11k samples。外推上限为 10 kHz，能量阈值为 99.999%。

这些条件必须在复述比较时一并给出，否则数字不可比。基线是主办方提出的双阶段做法：先在幅度响应中找峰估计频率和带宽并用半功率规则推阻尼，再在峰处取频响虚部估计增益。本文方法是上述 3 步非迭代流水线。指标方面，对频率、衰减、增益分别算每块板的相对误差，再平均得到基础误差，另用匈牙利算法按对数频率距离 1 对一匹配估计模态与真实模态，未匹配模态计误差 1，总数失配单独记为漏检数。指标方向都是越小越好。

聚合对象是 17 条脉冲响应的平均，论文未报告标准差、置信区间或显著性检验。下表把论文连续正文中实际出现的实验配置拼成可核对的一览，比较问题是矩阵铅笔与最小二乘分别在多长多密的数据上运行，公平条件是同一采样率与同一批自生成数据，指标方向在后文结果表中交代。本表数字与单位均保留原文写法，裸值不擅自添单位。

条件	指标或设置	本方法取值	基线或对照	比较对象
脉冲响应长度与采样	时长与采样率	5 s long at 44.1 kHz	同一批自生成脉冲响应	数据一致
矩阵铅笔输入	窗长与降采样	first second, factor of four, ∼11k samples	全长直接做将更贵	计算折中
总数回归拟合集	样本量	128 in our experiments	后测 17 条独立采样	拟合与测试分离
外推与定阶	上限与能量阈值	Ωmax = 10 kHz, 99.999% energy	基线按峰检测定数	定阶规则不同
单条耗时	矩阵铅笔时间	around 30 s per IR	后文整集 42 分钟	成本对照

表后解释如下：该表的主要收益是让读者看到计算量节省从何而来，即只用前 1 秒降采样数据做奇异值分解，而代价是高频信息被主动丢弃只能靠外推补回。

总数回归用 128 条拟合是一个具体可重放的点，但原文未交代这 128 条的模态数分布，若分布与测试集不一致，回归可能外推失准，这是一个未评测边界。耗时数字还需结合硬件看，下一表继续交代整集成本与运行环境。

主结果测了什么，谁在什么上更好？

主结果回答 3 个问题：总数能否估计准，频率衰减增益误差是否下降，代价是什么。总数方面，论文报告所提频谱丰富度回归明显优于基线，基线只能找出极少数模态。频率方面，相对误差改善最明显；衰减次之；增益几乎没有改善。

论文的解释是总数准加上 1 对一匹配带来了频率项的好处，而衰减依赖低频估计质量，增益则受模型失配和高频外推影响大。重提结果时要加上这个机制：频率好不等于波形好，因为增益没跟上。下图导读如下：该柱状图横轴为 17 个文件编号，纵轴为模态数，三色柱分别表示真实数、本方法估计数和基线估计数，阅读时先对齐同一编号的三根柱，再看整体趋势。下面为官方原图标记，之后结合像素解释。

看图路径： 1. 先看图例确认蓝色为真实模态数、橙色为本方法、绿色为基线，再看横轴文件编号与纵轴模态数；2. 逐个文件比较蓝色与橙色柱高是否接近，再看绿色柱是否几乎贴近零线；3. 重点观察第 4、10、13、15 号样本上橙色与蓝色的偏差方向

论文图 2。原论文 Figure 2：“Comparison between the actual number of modes, the number of identified modes with the challenge’s baseline method, and the proposed spectral richness regression approach…”。

从像素看，蓝色真实柱与橙色本方法柱在多数文件上高度接近，例如第 6、9、14 号的高模态样本两者都达到数千量级，而绿色基线柱在所有文件上几乎贴着零线，肉眼难以辨认高度。这支持总数估计器相对基线的大幅改善，但也显示个别文件仍有可见偏差，如第 4 号橙色明显低于蓝色、第 10 和 13 号橙色高于蓝色，说明总数估计不是每组都准，总体趋势不等于每组都成立。

像素不能精确读出具体数值，精确平均误差需回正文表格，但原文表格的平均漏检数等数字在连续正文中没有逐字出现，此处不硬写。第二个结果维度是成本与环境。下表整理论文连续原句中可逐字核对的评估规模与开销，比较问题是在什么硬件与数据规模下得到上述趋势，公平条件是同一 17 条自生成集与 16 文件提交集，表中时间越短越好，内存是否溢出单独说明。

条件	指标或设置	取值	对照	说明
评估规模	自生成集与隐藏集	17 random IRs, 16 test IRs hidden	隐藏集不公开	结论限自生成集
状态规模	并行扫描内存	state sizes (≫2k) exceeded GPU memory	改用中央处理器	并行扫描代价
输出形态	状态响应矩阵	state trajectory of size Mtotal × T	顺序递推更省内存	内存与速度折中

表后解释如下：主要收益是非迭代仍能在普通服务器中央处理器上跑通数千模态的拟合，16 文件约 42 分钟，单条矩阵铅笔约 30 秒。

具体代价是并行扫描要物化总数乘以时间的轨迹，高模态数下超出图形处理器内存，只能回退到中央处理器；若改用顺序递推则内存小但时间为线性增长。未胜出项是增益误差几乎未降，这意味着即使频率和总数对上，重合成波形的幅度仍可能不准，这是复现后必须优先检查的反例。

哪些环节决定了衰减与增益的成败？

论文没有做标准的去掉某模块的消融表，但提供了两类可当作失败条件分析的证据。一是分文件评价图，把总误差拆成频率、衰减、增益三项按文件展开；二是最佳样本的频率衰减散点，展示低频估计准时外推如何贴合。把它们合在一起读，可以看到误差链：低频矩阵铅笔准，则多项式拟合准，外推衰减准，总误差低；低频偏，则外推整体偏，衰减项把总分拉高。

增益项在多数文件上都高，说明即使前两步对了，线性最小二乘给出的权重换算后仍与真增益有距离，可能与高频密集模态不可辨识、最小二乘偏向能量大的成分有关，但这属于有限解释，原文没有做加权或正则对照来证实。下图导读如下：该图按文件编号展开各项相对误差，用于定位是频率错还是衰减增益错，本次收到的像素残缺，只能看到横轴文件编号，纵轴曲线无法可靠辨认，因此只能当作形态示意，具体判断以文字描述为准。下面为官方原图标记。

看图路径： 1. 确认横轴为文件编号 1 至 17，纵轴为各评价分量，本次像素仅能辨认轴线与编号；2. 不要从残缺像素中读取具体误差数值，具体数值以正文表格与文字描述为准；3. 把该图仅当作分文件趋势示意，跨文件平均结论回到文字与表格核对

论文图 3。原论文 Figure 3：“Evaluation metric comparison between the baseline and our challenge proposal (our-method).”。

对像素的解释必须诚实：本次像素中仅能确认横轴为文件编号 1 至 17，纵轴刻度与曲线颜色无法精确辨认，不能读取任何文件的具体误差值，也不能说某条曲线向下就是性能变好。论文文字报告的趋势是频率项改善最大，衰减次之，增益几乎持平，这个结论来自表格平均而非从该残缺像素读出。教学上这是一个反例：当图像素不足时，宁可明确标注不可读并回退到文字与表格，也不要猜曲线位置或颜色含义。另一类特有细节是计算折中。

降采样 4 倍加只用前 1 秒把奇异值分解规模大幅压缩，这是主动丢信息换速度；阈值取 99.999% 是很高的能量保留，意味着阶数不会太小；外推上限 10 千赫兹决定了高频补多少。若把上限调高或阈值调低，总数分配和阶数都会变，但原文未报告这类参数扫描，因此还需补验证才能知道鲁棒性边界。

还有哪些未验证与不可推广之处？

首先是数据边界。所有定量结论限于自生成 17 条脉冲响应，隐藏测试集真值未公开，论文没有报告在隐藏集上的分数，因此不能把自生成集上的改善直接写成挑战成绩。其次是指标口径。相对误差只在匈牙利匹配子集上平均，未匹配计 1，总数失配单独计漏检数，这意味着总数估计差的样本会在漏检数上受罚，而频率项可能因只算匹配子集而显得较好，读数时要把两部分合在一起看。原文未报告听感评价、波形信噪比或重合成试听，自动指标不能当成人评。

其次是方法假设。衰减随频率的多项式关系是一个经验假设，论文只说拟合多项式，未报告次数与拟合误差，若真实平板的衰减曲线非光滑或分段变化，外推会系统性偏。均匀采样新频率也假设高频模态在频率轴上均匀分布，这与真实模态密度是否一致未验证。最小二乘未报告正则化，高模态数下状态基高度相关时解可能不稳定，但原文没有病态分析。最后是成本口径。

论文报告了中央处理器时间与内存溢出，但未测量推理延迟、实时率或逐步复杂度实测曲线，并行扫描的对数时间是理论表述，实际因回退到中央处理器并未实现加速。总体趋势不等于每组都成立，个别文件总数偏差较大就是明证。缺失证据不是技术错误，但写复现计划时要把这些缺项列为必补验证，而不是默认它们成立。

下表把指标定义中连续正文可核对的部分整理成口径表，比较问题是误差数字在什么匹配规则下算出，公平条件是同一匈牙利按对数频率距离匹配，方向仍是越小越好。

条件	指标或设置	口径	对照	说明
匹配规则	Hungarian-matched modes, log-frequency distance	1 对一匹配后平均	未匹配计误差 1	只看匹配子集会偏乐观
分项误差	per-plate relative error for p ∈{Ω, σ, b}	相对误差取最小值	三项再平均得基础误差	频率衰减增益分开看
总数失配	mismatch captured separately by ∆M	单独计数	与分项误差相加得总分	总数错另行惩罚
真值条件	true mode count is unknown a priori	盲估计总数	基线同样盲估计	保持可部署性
数据规模	averaged over M matched modes	按板平均再跨板平均	未报告方差	离散度未知

表后解释如下：该表的主要作用是防止把不同指标的差值混为一谈，频率好不能直接推出总分好，因为总数漏检会另行加分。

未胜出项依然是增益，它在口径上与其他两项同等加权，但实际最难降。未评测边界包括不同采样率、不同板尺寸和噪声下的口径稳定性，这些在原文中没有数据，复现时若换数据必须重算口径，不能沿用旧数。

复现先做什么，需要哪些超参数？

复现的第一步是生成或准备数据。按原文条件生成 5 秒 44.1 千赫兹的合成脉冲响应，留出 128 条用于拟合总数回归器，另生成 17 条用于测试，隐藏 16 条测试集因真值未公开而无法复现打分，只能做自生成集上的相对比较。总数回归部分要重做对数压缩、重叠切块、去均值、奇异值分解、熵取指数和等距回归，注意 scikit-learn 的等距回归页当前可用，可作为实现参考，但论文未给出切块长度、重叠率和熵的底数，这些需自行记录并做敏感性检查。第二步是矩阵铅笔。

对每条测试脉冲响应取前 1 秒降采样 4 倍，按 99.999% 能量定阶得到低频频率和衰减。复现时要固定随机种子之外的数值库版本，因为奇异值截断对阈值敏感。第 3 步是拟合衰减关于频率的多项式并在最大已估计频率到 10 千赫兹之间均匀采样补齐总数，记录多项式次数。

第四步是固定极点后送单位冲激求状态响应，用最小二乘求权重再换算为增益，注意状态数远超 2 千时图形处理器可能溢出，要准备中央处理器回退方案，并记录约 30 秒单条与 16 文件约 42 分钟量级的耗时是否在本地复现。验证时先看总数柱状图是否复现出基线贴零、本方法贴近真实的形态，再看分项误差是否复现出频率改善最大、增益几乎持平的排序。若增益排序复现不出，优先检查最小二乘是否欠定或需要正则，而不是先调矩阵铅笔。

所有改动 1 次只动一个超参数，并保留总数、频率、衰减、增益四列数字，避免用单一总分掩盖结构性失败。

何时值得尝试这种非迭代路线？

当任务要求同时给出可解释的频率、衰减和增益，且脉冲响应很长、模态数以千计时，梯度迭代太贵时，这条路线值得尝试。它的分工很清晰：总数回归解决定阶，矩阵铅笔解决低频可信极点，多项式外推解决高频补齐，最小二乘解决增益，全程无反向传播，调试时可以逐段定位是总数错、曲线偏还是增益不准。论文报告在自生成集上总数和频率改善明显，这是支持尝试的直接证据。但 3 类情况要谨慎。

若应用对增益精度要求极高，本文显示增益几乎未改善，可能需要另加幅度校准或感知加权，而这些在原文中未验证。若平板衰减规律不光滑或高频模态非均匀分布，多项式加均匀采样的假设可能失效，需要先在小数据上验证拟合残差。若部署环境要求实时或低内存，并行扫描的内存代价与中央处理器回退可能成为瓶颈，顺序递推虽省内存但时间线性增长，需要实测延迟而不能引用理论复杂度。

回到起点，输入是脉冲响应，输出是 3 组物理参数加总数，评价要在匹配规则和总数惩罚下一起看。复现时保留 44.1 千赫兹、前 1 秒降采样 4 倍、99.999% 能量阈值、10 千赫兹上限、128 条拟合集和 17 条测试集这些关键条件，区分代码参考可用与系统可运行是两回事。下 1 次验证应补上隐藏集打分、不同参数下的敏感性、最小二乘正则对照以及听感或波形级指标，只有这些补齐后，才能把可能有效写成在某类平板上确实有效。