Band-Count Dense Modal Estimation with Fixed-Frequency Differentiable Resonator Refinement ★

英文题目：Band-Count Dense Modal Estimation with Fixed-Frequency Differentiable Resonator Refinement ★

会议身份：conference:dafx:2026:conference-paper-id:DAFx26_challenge_90

✅ 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：#集成学习 #信号处理 #模型比较 #房间脉冲响应估计

评分：6.8/10 | 创新 1.2/2 | 技术严谨 1.0/1.5 | 实验充分 0.8/1.5 | 清晰度 0.8/1 | 影响力 0.7/1.5 | 开源 1.0/1.5 | 可复现 0.3/0.5 | 工程/实践 1.0/1.5

排名：前50% | 文档类型：系统技术报告

👥 作者与机构

Minhui Lu：机构信息未能从会议 PDF 纯文本可靠映射
Joshua Reiss：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

任务输入为单条板混响脉冲响应，输出为包含频率、衰减率、增益与总数的稠密模态集合，难点在于数千个弱模态与重叠模态难以被稀疏峰值检测召回。方法链首先以固定372维描述子提取统计特征并由极端随机树回归器预测四个频带的模态数量，其输出计数经有界取整求和决定集合基数。随后确定性初始化按带计数铺设稠密线性频率网格，并由能量衰减斜率与插值频谱给出衰减与增益初值。最后可微二阶谐振器组在频率固定下以八倍有界乘性因子对衰减与增益做80步校准，保留最低损失迭代结果。与峰值检测加局部拟合相比，关键差异在于用学习到的带密度先验决定可变结构基数而非依赖局部显著性，使严重欠计数得以纠正并保留连续参数的可解释精修。在150响应计数验证集下，ExtraTrees的Band MAE为67.64，低于随机森林基线的Band MAE75.11。该结论适用边界受限于同族仿真器生成的小规模自生成验证集与本地贪心单调匹配评估，频率网格错位无法被当前精修纠正，尚未验证官方隐藏标签与真实录音外推。推理开销在无GPU加速的MacBook Pro硬件上平均每条响应精修耗时6.51秒，16条发布响应端到端耗时105.64秒。

🔗 开源与复现资源

数据相关资源：https://github.com/LOGUNIVPM/1st-DAFx-Challenge — 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，输出必须保留什么信息？

这篇论文处理的是单条板混响脉冲响应。输入是一段实测或仿真得到的混响尾音，目标是从这段 1 维波形中恢复出它背后的模态集合。输出不是一段新的音频，而是一张清单，清单中每一行对应一个模态，记录 3 个量：模态频率、衰减率和模态增益，以及清单总共有多少行。频率决定共振位置，衰减率决定该成分消失多快，增益决定其强度，数量决定集合基数。

初学者容易把问题理解为找几个明显峰值，但板混响的难点在于模态非常密集，大量弱模态被强模态掩蔽，频率间隔可能小于常规谱分析的分辨率。此时若只保留显著峰，输出的清单会系统性偏少，重合成的尾音能量与衰减形态也会对不上。因此输出必须保留的信息包括弱成分与重叠成分的密度，而不仅仅是显著共振的中心。论文把这种表示写成模态集的形式，每个元素是频率、衰减、增益三元组，评价时同时惩罚频率误差、衰减误差、增益误差与数量误差。

理解这一点后，才能明白后文为什么把计数单独拿出来学习。

任务 A × 任务 B： 任务 A 负责估计板的紧凑物理与观测描述，属于低维参数；任务 B 负责直接估计构成响应的大规模模态集合，每个模态含频率、衰减率与增益且数量未知。二者是同一生成过程的不同层次，搭配对照的意义是说明任务 B 的难点不只是校准单个模态，还要构造基数合理的模态集，因此需要计数优先的结构先验。

任务 A 与任务 B 的区分也帮助定位难度。任务 A 估计紧凑的物理与观测描述，维度低；任务 B 直接估计大规模模态表示，维度随响应变化。两者共享同一个板混响仿真生成过程，但逆问题的规模完全不同。论文只研究任务 B，即在数量未知条件下恢复密集模态清单。

官方仓库当前可用，地址为挑战赛公开仓库，本文开发阶段使用该公开仿真器自行生成数据，因为官方隐藏模态清单不可见。这一点决定了后文所有误差都是本地仿真匹配验证，不是官方隐藏评测排名。

已有路线为什么在密集弱模态面前会漏检？

论文把已有估计器归纳为两条路线。第一条是直接信号分析，例如正弦分析从信号中估计共振成分，子空间与矩阵铅笔方法在模型阶数与信号条件合适时估计阻尼指数。第二条是可微数字信号处理思路，用结构化信号模型通过梯度下降拟合，但大规模可变尺寸模态集仍然需要初始结构。官方参考方法是谱峰拾取加局部衰减与增益估计，做法便宜但稀疏峰检测会漏掉弱或重叠模态。对研究生而言，关键是理解漏检的机制。

峰拾取依赖显著性与最小间隔，只有局部突出的谱峰才会被保留为模态候选。当两个模态频率接近到共用一个谱包络，或者弱模态幅度低于旁瓣与噪声基底时，显著性判据直接将其丢弃。子空间方法理论上能分辨 close 指数，但需要预先给定或准确估计模型阶数，而板混响的阶数高达数千且随参数变化，阶数误设会带来虚假分裂或合并。可微合成方法能精修连续参数，但若初始集合只有几十个峰，后续梯度优化无法凭空生出数千个缺失模态。

因此论文提出的问题不是如何把单个模态校准得更准，而是如何先构造基数合理的模态集。这一判断决定了后文计数优先的设计。

任务 B 到底要解决的可变尺寸难题是什么？

形式上，每个目标响应由公开模态板混响仿真器生成，所需输出是模态集。评价惩罚频率、衰减、增益与数量误差。难点有 3 层。第一层是数量未知，输出长度本身是待估计量，传统固定维度回归无法直接套用。第二层是密度不均匀，低频模态稀疏、高频模态密集，单一全局阈值难以兼顾。

第 3 层是参数耦合，频率错位会连带影响衰减与增益的估计，因为共振器频谱在频率轴上高度非凸。举例来说，若峰拾取只返回显著谱峰对应的少量模态，即使这些峰的频率都准，数量项误差依然巨大，且未匹配的大量真实模态每个都会贡献误差。论文在验证集上报告了这类量级差异，说明主要矛盾在基数而非单个峰的微调。因此需要把可变尺寸估计分解为可学习的计数预测、确定性初始化与受约束拟合 3 个阶段。

先沿一个样本走完流程有助于建立直觉：输入一条脉冲响应，先提取固定描述子并预测 4 个频带各有多少模态，再按数量铺网格并给初值，最后用可微共振器组比较目标频谱与合成频谱并更新衰减与增益，频率保持不动，输出完整清单。

计数优先的三段式系统如何分工？

系统在推理时只需要目标响应，不需要仿真器与参考清单。第一段是监督学习得到的分频带计数器，把 372 维描述子映射为 4 个计数值。第二段是确定性初始化器，根据计数值铺设密集线性频率网格，并用能量衰减曲线斜率与插值频谱给出衰减与增益初值。第三段是受约束的逐响应优化，通过可微全极点共振器组计算合成频谱，与目标复频谱比较损失，反向更新衰减与增益的乘性修正因子，频率冻结。

离线阶段每条仿真响应与其真实模态清单配对，经分频带直方图算子转为 4 个计数标签，用于拟合描述子缩放统计与 4 个回归器。下图给出推理流水线的完整对象与数据流向，阅读时先看主路径再看框内双分支与损失回路，才能理解冻结频率与更新修正因子的分工。

看图路径： 1. 从最左侧目标脉冲响应出发，沿箭头依次经过响应描述子、已训练分频带计数器与稠密初始化；2. 观察右侧大框内频率冻结分支与修正因子初始化分支如何同时送入共振器组；3. 跟踪合成频谱与目标频谱经频谱损失虚线回传更新修正因子的闭环；4. 确认最终输出仍保留初始频率而只更新衰减与增益的标注

论文图 1。原论文 Figure 1：“Overview of Task B inference. Fixed response descriptors feed the trained band-count estimator, whose predictions define a dense modal initialization.”。

从像素可见，主路径从左侧目标脉冲响应波形出发，经过响应描述子方框与已训练分频带计数器方框，计数向量送入稠密模态初始化方框，产生初始频率、衰减与增益集合。随后进入右侧大底纹框即细化阶段，内部上方蓝色方框明确冻结频率，下方绿色方框初始化有界修正因子，两路汇入黄色 2 阶全极点共振器组方框，经求和符号得到合成频谱，再与灰色目标频谱在绿色频谱损失方框比较，虚线箭头回传更新修正因子，最终输出保留初始频率并带有修正后衰减与增益的估计模态集。该图直接支撑固定频率加有界衰减增益校准的定位，不是完整的模态重辨识。

分频带计数与稠密网格如何把数量变成结构？

频率范围被划分为 4 个频带，计数器为每个频带预测一个数量。描述子概括未归一化幅度、早晚能量、频谱形状、峰间隔、群延迟与分频带衰减，共 372 维，固定而非学习得到。经鲁棒特征缩放后，每个输出由独立的 ExtraTrees 回归器预测，论文设置为 500 棵树与最小叶尺寸 2。这是系统中唯一的监督学习组件。预测分频带计数而不是单一总数，是为了让表示密度随目标响应自适应，而不是在全频谱使用单一固定模态数。

分频带模态计数 × 稠密模态初始化： 分频带模态计数负责回答每个宽频带内大约有多少个模态，它从固定响应描述子映射到 4 个计数值；稠密模态初始化负责把这些计数值变成具体可优化的模态集合，即在每个频带内按数量铺线性频率网格并给出衰减与增益初值。二者搭配的原因是可变尺寸问题无法直接做梯度拟合，必须先有基数先验才能确定结构，组合后新增的作用是把未知数量估计转化为已知数量的连续参数校准。

给定每带预测计数后，模态频率按密集线性网格放置。预测计数经取整，每带至少 8 个模态，总数上限 15,000。论文明确这只是计数条件近似，不是解析板模态枚举，既不用板本征频率方程，也不使用显式模态序号。衰减初值来自能量衰减曲线在−5 到−35 dB 区间的线性拟合斜率，若该区间样本不少于 8 个则换算为衰减率，否则取固定值，高频带施加更大尺度与带内递增。增益初值由每个网格频率处线性插值的复频谱虚部结合衰减初值与采样周期启发式算出。这一段全部是确定性计算，无学习参数，为后续可微细化提供起点。

固定频率的可微共振器细化在优化什么？

细化使用可微的 2 阶全极点共振器组，这是模态声音合成与物理音频建模中的标准形式，也呼应可微数字信号处理中用结构化模型做梯度优化的思想。在角频率处，模型响应是各模态分式之和，每项由增益、极点半径与共振角频率决定，极点半径由衰减率与采样周期换算得到。最终系统中模态数量与频率固定，只更新衰减与增益。

固定频率 × 可微共振器校准： 固定频率指在细化阶段不把模态频率作为优化变量，保持网格频率不变；可微共振器校准指用 2 阶全极点共振器组合成可微频谱并通过频谱损失反向更新衰减与增益的乘性修正因子。搭配理由是网格频率本身已是近似，直接优化频率容易失稳，而衰减与增益对频谱幅度更直接，组合意义在于把细化限制为局部有界校准而非重新辨识全部模态。

实现上衰减与增益通过有界乘性修正因子更新。对无约束优化变量经双曲正切变换得到修正因子，初始为一，保持在[1/8, 8] 内并保留初始增益符号。其中乘性修正因子分工为衰减对应一个因子、增益对应另一个因子，分别与初值相乘得到校准后连续参数；8 倍信任域分工为把每个因子限制在 1/8 到 8 区间内，防止过大偏离信号告知的初值。

两者组合的原因是频率已冻结无法补偿错位，若允许无界更新会放大拟合自由度，只有有界乘法校准才能在保留符号与初值结构的同时完成局部衰减增益校准。目标函数结合对数幅度匹配、小权重的相位一致项与正则项，最终权重均取 0.02。每步在 20 Hz 到 10 kHz 的 1024 个频率样本上产生共振器组频谱，损失经共振器组反向传播到衰减与增益修正变量，频率不是优化变量。优化器用 Adam 运行 80 步，学习率 0.02，梯度范数裁剪为 1，保留损失最低的迭代结果。计数器用 scikit-learn 实现，细化用 PyTorch 自动微分。

乘性修正因子 × 8 倍信任域： 乘性修正因子指作用在初始衰减与增益上的系数 α 与 β，初始值为一并通过无约束变量经变换得到；8 倍信任域指把 α 与 β 限制在 1/8 到 8 之间并保持增益符号。搭配原因是初始化只是启发式近似，需要一定自由度纠偏但不能无约束漂移，组合意义是以有界局部更新实现稳定校准，论文对照显示 8 倍优于 4 倍而 16 倍不能稳定迁移。

初学者应注意梯度路径只经过衰减与增益分支，频率分支被冻结，因此频率误差在细化前后不变，衰减与增益是主要校准对象。

描述子与回归器如何配合完成密度估计？

这一节把计数估计的计算细节讲全，便于复述。输入是合成响应，配对的是真实模态清单，经分频带直方图算子得到 4 个计数标签。描述子提取器对每条响应输出 372 维向量，训练与推理完全相同，无学习参数。随后拟合鲁棒缩放统计与 4 个 ExtraTrees 回归器，完整预测器记为从描述子到计数向量的映射。推理时先算描述子再预测计数，计数经有界取整求和得到总数，初始化器据此生成初始集合。

响应描述子 × ExtraTrees 回归器： 响应描述子负责把目标脉冲响应变成 372 维固定统计量，概括幅度、早晚能量、频谱形状、峰间隔、群延迟与分频带衰减；ExtraTrees 回归器负责从该向量预测 4 个频带计数，分 4 个独立回归器拟合。搭配原因是描述子无学习参数且训练推理一致，学习部分只承担密度映射，组合后用确定性特征加集成回归实现对未知基数的监督估计。

论文用 ExtraTrees 而非随机森林的依据是单独的计数验证对比，后文结果节给出具体平均绝对误差。需要强调的是，该阶段只解决密度先验，不解决连续参数精度，衰减与增益的初值仍较粗糙，必须靠后段频谱损失校准。这种分工正是混合逆估计设计的核心：学习部分提供可变尺寸结构，物理结构模型负责连续参数校准。

哪些部分需要训练，哪些只是确定性计算？

本研究包含一个监督训练环节，即分频带计数回归器的训练。训练数据为 600 条 5 秒合成响应，采用固定的 450 条训练与 150 条验证划分。输入是 372 维描述子，标签是 4 维分频带计数，模型是 4 个独立 ExtraTrees 回归器，每个 500 棵树、最小叶尺寸 2。训练只拟合鲁棒缩放与树集成，不涉及神经网络与梯度下降，也未报告交叉验证或超参数搜索细节。除此之外均为确定性或逐响应优化。

描述子提取、能量衰减斜率换算、网格铺设与增益启发式均无学习参数。细化阶段的 Adam 优化不是跨样本的模型训练，而是对每条测试响应单独运行 80 步的实例级拟合，变量是该响应的衰减与增益修正因子，优化结束后即丢弃，不更新任何全局模型。因此复现时应区分全局 1 次的计数器训练与逐条重复的细化优化，前者成本分摊，后者计入推理耗时。

论文未报告计数器训练时长与内存占用，这是复现预算中的缺项，只能按原文交代记录为未报告，不从模型名称推定开销。

在什么数据与评分下比较，基线条件是否一致？

由于官方模态清单隐藏，所有开发均使用公开仿真器生成的数据。计数器用 600 条合成 5 秒响应，固定 450/150 划分。模态集精度在两个单独生成的不相交 5 秒集合上评估，验证集 1 含 8 条响应，验证集 2 含 12 条，两者都用于比较细化界限。运行时在无 GPU 的苹果 M1 Pro 笔记本上测量，排除合成数据生成与计数模型训练时间。本地模态集实验报告本地挑战式分数，总相对误差等于频率、衰减、增益三项平均加数量失配项，数值越低越好。

分量相对误差裁剪为一，未匹配的参考模态也贡献一的误差。为处理密集清单，用贪心单调频率匹配加 0.5 倍频程阈值配对，该近似只用于本地模型选择，不是官方隐藏标签分数。官方默认峰值拾取作为参考基线，使用 6 分贝显著性、2 赫兹最小间隔与 2 赫兹显著性半窗，在相同 20 赫兹到 10 千赫兹范围运行，所有模态集变体使用相同本地匹配器与分数，保证比较条件一致。

阶段消融还包括总数密集初始化对照，即先预测一个总数再按训练集固定比例分配到四带，评估其细化前后表现，再替换为直接分频带估计并改变细化界限。下表整理本研究特有的实验配置，阅读时注意每格数字与单位的原文写法，指标单位在表头或说明中交代，裸值不擅自添加单位。

配置项	频带划分	回归器设置	频谱采样	优化步数与学习率	计数训练划分
原文设置	20–200 Hz、200–1000 Hz、1–4 kHz、4–10 kHz 四带	500 trees、最小叶 2	1024 点、20 Hz 到 10 kHz	80 步、0.02、裁剪 1	600 条 5 s、450/150 划分

表后需要说明该表的用途与边界。

该表只交代可复现的运行条件，不替代性能比较。频带划分数与采样点数决定网格与损失的频率覆盖，树数量与优化步数决定训练与推理成本，划分决定计数验证的独立性。但表内未包含描述子各维度定义与鲁棒缩放分位数，这是按原文的缺项，复现时需回查代码仓库。官方仓库当前可用，为公开仿真器与基线的唯一来源依据。

主结果在多大程度上来自不再严重漏数？

比较的问题是计数优先系统相对官方默认峰值拾取能降低多少本地误差，公平条件是相同频率范围、相同本地匹配器与分数，指标方向为越低越好。下表直接选择原文阶段消融表，保留原表头单位与裸值写法，不做四舍五入或单位追加。

Method Validation	1	2
Official peak picking (default)	1.9699	1.9686
Total-count dense initialization	0.7364	0.7398
+ refinement (4×)	0.6859	0.6935
Band-count + refinement (4×)	0.6738	0.6796
Band-count + refinement (8×)	0.6651	0.6750
Band-count + refinement (16×)	0.6627	0.6881

表后解释主要收益与代价。官方峰值拾取在两个验证集上误差约为 1.9699 与 1.9686，而分频带计数加 8 倍细化降至 0.6651 与 0.6750，相对降幅约 66%。论文指出重大差异在数量级：基线平均仅识别 69.0 与 67.3 个模态，而对应参考清单平均含 5240.1 与 6071.9 个模态，计数优先系统把归一化数量失配降至约 5% 到 6%。这支持改进主要来自避免严重欠计数。代价是衰减与增益仍是最大残差，频率误差因网格固定而不变，后文分量表进一步分解。

16 倍界限在一集略优而另一集变差，说明过大自由度不能稳定迁移，因此 8 倍被保留为最终设置。计数模型选择用另一张原表对照，同样越低越好。

Model	Band MAE	Total MAE
Random forest	75.11	300.12
ExtraTrees	67.64	270.41

表后补充对照含义。ExtraTrees 在 150 条计数验证划分上把每带平均绝对误差从 75.11 降至 67.64，总数误差从 300.12 降至 270.41，因此被保留在完整系统中。但剩余误差仍大，说明计数估计并未完全解决，只是显著优于随机森林与稀疏峰拾取。理解这一点可避免把密度先验误解为精确计数。

换掉稀疏峰拾取与放宽修正界限各带来多少？

消融按阶段组织。先看总数密集初始化本身的效果：即使只预测总数并按固定比例分带，误差已从约 1.96 降至 0.7364 与 0.7398，说明稠密网格这一结构变化是最大单步收益。再加 4 倍细化降至 0.6859 与 0.6935，说明有界校准在粗初始化上仍有增益。把总数初始化换成直接分频带预测，4 倍细化下进一步降至 0.6738 与 0.6796，说明按响应自适应分配密度优于固定比例。把修正界限从 4 倍放宽到 8 倍，两集同步改善到 0.6651 与 0.6750。

继续放宽到 16 倍时一集微降至 0.6627 而另一集回升至 0.6881，呈现不一致迁移，因此不采用。这一组对照支持论文的层级判断：替换稀疏峰拾取为计数优先估计的影响，大于改变衰减增益修正界限的影响。有界校准能纠正部分近似初始化，但过度自由会恶化拟合。未胜出项也应记录：16 倍界限在验证集 1 数值最低但在验证集 2 变差，不能作为可部署选择；总数初始化加细化虽优于基线，但不如分频带版本，说明固定比例分配损失了自适应性。

这些反例防止把单集最优推广为全局最优。

剩余误差集中在哪里，哪些验证还没有做？

论文用分量分解报告剩余误差的构成，归一化数量失配约 0.05，频率误差约 0.31，衰减与增益误差在 0.69 到 0.85 范围。也就是说计数问题大幅缓解后，连续参数尤其是增益成为瓶颈。由于频率冻结，错位的网格频率无法被当前细化纠正，这构成方法固有限制。未来工作应结合子空间候选或有界频率更新，并改进衰减增益初始化与计数不确定性估计。证据局限同样明确。

验证集很小且来自同一仿真器家族，两个验证集都被用于选择修正界限，存在选择偏差。贪心单调匹配是内存安全的近似而非官方隐藏评估器，报告分数不能确立挑战排名。基线比较未覆盖调优后的峰拾取、子空间或矩阵铅笔估计、无约束可微拟合，因此不能得出优于经典模态估计的结论。论文还提醒模态清单误差与重合成响应及感知测量的关系不一定成比例，需要另行比较。

下表用原文连续句整理数量级与开销等特有细节，便于核对基数差异与部署成本，表中数字与单位保留原文写法。

对象	验证集 1 平均模态数	验证集 2 平均模态数	16 条发布响应的细化耗时	端到端耗时与总规模
基线识别 vs 参考清单	69.0 vs 5240.1	67.3 vs 6071.9	6.51 s 每条	105.64 s、约 83,800 个、每条约 1,100 到 14,200

表后解释该表的限制含义。基线与参考的数量对比显示漏检的严重程度，但这是仿真匹配条件下的本地统计，不能推广到真实板混响。耗时在 M1 Pro 无 GPU 条件下测量，平均细化 6.51 秒每条、端到端 105.64 秒，输出总数约 83800 个，个体在 1100 到 14200 之间。

该开销未含训练与数据生成，且未测量延迟、误判率与感知质量，因此不能承诺实时性或听感改善。训练资源、推理开销与实际延迟应分别讨论，总体趋势不等于每条响应都成立。

要复现应先准备什么，按什么顺序跑？

复现先做三件事。第一，从官方挑战仓库获取公开仿真器与默认峰值拾取基线，确认资源当前可用后再生成 600 条 5 秒数据并保持 450/150 划分，另行生成 8 条与 12 条的不相交验证集。第二，实现 372 维固定描述子与鲁棒缩放，保持训练推理一致，再训练 4 个 ExtraTrees 回归器，参数为 500 棵树与最小叶尺寸 2，用 150 条划分核对分频带与总数平均绝对误差是否接近 67.64 与 270.41 量级。

第三，实现确定性初始化与可微共振器组，网格每带至少 8 个、总数上限 15000，频谱用 1024 点覆盖 20 赫兹到 10 千赫兹，损失权重均取 0.02，Adam 运行 80 步、学习率 0.02、梯度裁剪 1 并保留最低损失迭代，修正界限取 8 倍。运行顺序是离线训练计数器，推理时对每条目标响应依次做描述子提取、计数预测、网格初始化与逐条细化。核对点包括总数初始化对照是否复现 0.73 量级、分频带加 4 倍细化是否进一步下降、8 倍是否两集同步改善而 16 倍不一致。

论文区分代码开源与系统可运行：仓库提供仿真器与基线，但本研究的完整权重与脚本需按论文描述重建，不能把仓库可用等同于本系统开箱即用。缺项是描述子完整定义、鲁棒缩放分位数与训练时长，需回查代码或补记实验日志。

何时值得尝试计数优先，什么时候不必？

当目标是密集板混响这类数千模态、弱与重叠成分多、峰拾取系统性漏检的场景，计数优先值得尝试。它把可变尺寸难题转化为密度估计加局部校准，用学习提供结构先验，用物理共振器保证可解释合成。若响应本身稀疏、显著峰已覆盖主要能量，或已有可靠模型阶数估计与子空间候选，则不必引入分频带回归，直接调优峰拾取或子空间方法可能更经济。采用时应保留关键超参数与信息条件：四带划分、每带最少 8 个、上限 15000、8 倍信任域、1024 点频谱、80 步优化。

还需补的验证包括更大规模与跨仿真器的泛化、官方隐藏评估下的排名、调优基线与经典方法的同条件对照，以及重合成误差与感知评价。论文的直接报告是本地误差下降约 66% 且主要来自计数改善，有限解释是混合分工互补子空间与可微合成，未验证的推测是真实录音与感知质量的提升，后者应表述为待验证。记住频率冻结意味着网格错位无法修复，衰减与增益仍是最大误差源，后续改进应优先处理这两处而非一味放宽界限。