Gauss Circle Lattices with Geometric Convolutions for Synthesizing High Dimensional Image-Source Room Impulse Responses

英文题目：Gauss Circle Lattices with Geometric Convolutions for Synthesizing High Dimensional Image-Source Room Impulse Responses

会议身份：conference:dafx:2026:conference-paper-id:DAFx26_paper_12

✅ 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：#开源工具 #信号处理 #高效推理 #房间脉冲响应估计

评分：6.9/10 | 创新 1.3/2 | 技术严谨 1.0/1.5 | 实验充分 0.7/1.5 | 清晰度 0.7/1 | 影响力 0.7/1.5 | 开源 1.2/1.5 | 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

Yuancheng Luo：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

矩形房间的房间脉冲响应合成需枚举随距离呈多项式增长的镜像源，直接积分在高维不可行且晚期混响常被截断。本文先将整数坐标下单位房间的镜像源计数归约为高斯圆问题并建立跨维度递推，再引入源与接收机平移、非对称求和界与复反射加权得到体积函数，接着用快速傅里叶变换实现几何卷积并经前向差分或逆插值恢复响应。上一步递推输出的低维子解与记忆化查找表进入下一步卷积复用，前向差分得到的时域包络再进入逆变换与频变反射组装，前后衔接形成维度线性代价链路。与逐源追踪不同，该方法按球壳聚合贡献并复用低维结果，因而维度增长呈线性而非指数代价，并提升高维模态密度与回声密度。在T为0.5秒的评测设置下，加倍坐标缩放因子后的逆几何卷积方法的归一化均方误差指标低于式3参考镜像源传递函数的归一化均方误差指标约12 dB，同时运行开销增长至4倍以上。高维六维算例显示晚期能量占比与回声密度快速收敛，频变反射组装可控制高频衰减并保持平滑尾部。该结论适用边界仅为整数网格房间、全向换能器与角度无关反射，指向性、双耳线索与连续运动声源尚未验证，且坐标加密会使查找表与重建计算量快速上升并增大推理开销。

🔗 开源与复现资源

代码相关资源：https://github.com/yluo1/GCP-ISM — 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，输出是什么，为什么高维房间脉冲响应难算

本文的输入是矩形房间的几何与声学参数，包括每维房间边长向量、声源坐标、接收器坐标、正负壁面的复反射系数，以及期望的脉冲响应时长与采样设置。输出是从声源到接收器的房间脉冲响应及其时频表示，可用于后续听感分析与统计度量。

学习依赖上，读者需要先理解镜像声源法，也就是把声源关于房间边界平面反复镜像，用接收器到每个镜像点的直线距离代表一条镜面反射路径的长度。再叠加距离衰减与壁面反射乘积，就得到按延迟排列的冲激序列。白话说，房间越大、混响时间越长，需要计入的镜像点越多。

而镜像点数量正比于以接收器为中心、半径为距离的球体积，因此维度升高时计算量按距离的维度次方增长。3 维已是立方增长，这就是传统方法只做 3 维以下的原因。论文的动机有两个，一是波动方程的本征频率数随维度增加而增加，高维能带来更密的模式与更少染色的混响尾，但直接计算高阶反射太贵。

二是真实大空间晚期混响接近高斯统计，而现有镜像法实现的多项式增长与能量衰减预测存在差距。因此作者希望在可控误差下快速生成更长更密的高维脉冲响应。必须保留的信息是，本文只处理全向声源与全向接收器，反射系数与入射角无关，坐标与房间尺寸限制为整数，代码当前可用，已公开在官方仓库链接。

同任务已有路线如何取舍，本文站在哪条分支上

同输入同目标的直接对照是经典镜像法及其房间脉冲响应生成器实现，它们逐个计算镜像坐标、延迟与衰减。物理意义清晰，但复杂度随距离呈指数于维度增长。另一条同目标不同机制的路线是混合模型，用反馈延迟网络等高效结构补足晚期混响尾。计算便宜，但若不优化容易染色。

第三条相关路线是时域有限差分等波动法，用高维网格提高模式密度以减少染色，但计算量正比于每维网格数的乘积，同样昂贵。还有一类工作把镜像法推广到指向性声源与麦克风、双耳脉冲响应、角度相关反射以及运动声源。本文明确不继承这些推广，因为它把镜像贡献压缩为延迟、距离衰减与壁面反射三部分。

丢失的是入射角与到特定镜像点的精细几何，因此不能直接扩展指向性与双耳等应用。本文站在矩形规则格点这 1 分支上，利用只有矩形房间才有的镜像重合与格点结构，把计数问题交给数论中的高斯圆问题，再用卷积加速。理解这一站位很重要，后文所有加速都依赖矩形与整数格点假设。

换成任意多面体房间则镜像很少重合，计数体积的论证不再成立。从运行阶段看，反馈延迟网络在合成阶段用少量延迟线生成密集尾部，优点是实时性强。有限差分在仿真阶段用空间网格求解波动方程，物理完备但网格乘积导致成本高。本文在预计算阶段填充体积查表，在合成阶段做差分与插值，早期反射与扫掠结构保留镜像法的物理对应，代价是查表内存随距离平方增长。

要解决的计数问题是什么，做了哪些简化才可算

形式化的问题是，给定整数格点坐标向量、整数房间尺寸、整数声源与接收器坐标，求所有镜像到接收器欧氏距离不超过 k 的加权镜像集合，并由此恢复离散脉冲响应。直接做法是对每个格点算镜像坐标、距离、衰减与壁面反射乘积，再按延迟累加到对应采样点，量级由球体积决定。

论文把问题拆成两步，第一步求累计体积函数，也就是距离平方不超过某面积阈值的加权格点总数。第二步对体积做有限差分得到单位距离或单位面积内的增量，再归一化为脉冲幅度。为使第二步可记忆化，作者要求距离、面积、房间尺寸与坐标均为整数或经整数缩放后的整数，使查表索引为非负整数。

简化条件必须记住，声源与接收器全向，反射系数与入射角无关，复反射系数允许但会引入群延迟。分数延迟在正向构造中被四舍五入到整数采样，逆向构造才用插值核处理。术语上，正交体就是 N 维矩形房间，格点坐标是整数向量，零向量对应包含声源与接收器的原始房间。

镜像坐标是格点经房间长度缩放与奇偶翻转后的位置，声程是镜像到接收器的欧氏距离。体积函数是距离不超过阈值的加权镜像总数，面积是距离平方的整数索引。回声密度是滑动窗内超出标准差的样本比例，高斯对应 1，能量衰减曲线是反向积分得到的能量衰减。后文简称固定，不再更换说法，教学例子会明确标为例子，不添加无源数值。

沿一个三维样本走完输入到脉冲的全流程

沿一个 3 维样本走一遍，输入房间边长为 5 米、4 米、3 米，声源在 1 米、0 米、1 米，接收器在 2 米、1 米、1 米，反射系数按正负壁面分别给定，时长取 0.3 秒。第一步按镜像公式把格点坐标映射为镜像声源坐标，每维是房间长度乘格点索引再加按奇偶翻转的声源坐标，这一步把反射序列编码为整数格点。

第二步把接收器为中心的球按维度切片，固定最高维索引后，剩余低维问题是半径缩减为根号下剩余面积的同类计数，这就得到跨维度的递推关系。第三步把面积变量离散化为整数查表，用稀疏平方核把递推写成几何卷积，再用快速傅里叶变换加速。第四步对体积查表做差分得到脉冲序列。

若需频率相关反射，则在多个均匀频率点重复上述流程得到时频矩阵，再经逆傅里叶变换与时移求和拼成单一脉冲响应。

镜像声源法 × 高斯圆问题： 镜像声源法负责把每次镜面反射展开为接收器到镜像坐标的直线距离与壁面反射乘积，高斯圆问题负责回答半径为 k 的球内有多少整数格点，二者搭配的理由是矩形房间的镜像坐标恰好落在规则格点上，组合后把逐个追踪声线变为先累计体积再差分求脉冲，新增作用是把指数级枚举变为可递推可卷积的计数问题。

为了建立几何直觉，需要先看镜像如何落在以接收器为中心的同心圆环上，以及相邻采样间隔如何对应环带内的镜像增量，这是理解后文计数体积的关键。

看图路径： 1. 先找到中央黄色正交体房间与绿色接收器三角和红色声源圆点的位置关系；2. 再沿水平与垂直虚线轴认出格点坐标标记与周围蓝色镜像声源点的分布；3. 最后比较蓝色 k 半径虚线圆与红色外圈半径圆之间的环带宽度与箭头含义

论文图 1。原论文 Figure 1：“Reflecting the source across the orthotope planes gen- erates the image-sources.”。

该图中央黄色方块是包含声源与接收器的房间正交体，周围蓝点是镜像声源，蓝色虚线圆是以接收器为圆心的 k 半径，红色虚线圆是 k 加一个采样距离的半径。两圆之间的环带正好对应在该采样时刻有贡献的镜像集合，箭头标出的距离增量说明延迟与衰减都只与镜像到接收器的欧氏距离有关，这与后文把角度信息丢弃、只保留距离计数的建模选择直接对应。

体积递推与几何卷积如何把指数降为拟线性

组件的核心是两层递推，先是无加权的高斯圆计数，半径 k 球内格点数等于对最高维索引求和，每项是低 1 维在缩减半径下的计数，1 维基本情形是 1 加 2 倍取整半径。高维直接求和仍然昂贵，作者把半径平方记为面积，用面积整数索引记忆化子问题，形成面积查表。

进一步观察求和核只在完全平方处取值为 1 或 2，其余为零，因此递推等价于该稀疏核与低维解的卷积。补零到与 k 平方成正比的长度后可用快速傅里叶变换实现，复杂度降为维度乘 k 平方对数项。扩展到镜像声源时，球心不再在原点，上下界不对称且随面积变化。

作者推导了由符号距离约束决定的上下界函数，并把壁面反射乘积作为权重引入体积函数。1 维情形可解析求和为等比级数，高维仍保持卷积形式，只是核变为与维度相关的加权平方核。

体积函数 × 有限差分： 体积函数负责累计距离不超过阈值的加权镜像总贡献，有限差分负责把相邻距离的体积相减得到落在该采样间隔内的增量，二者搭配是因为体积可高效记忆化而脉冲响应需要分布密度，组合意义是用差分算子从平滑累计量恢复出时间离散的房间脉冲响应。

几何卷积 × 快速傅里叶变换： 几何卷积负责把高维格点计数表达为低维解与稀疏平方核的卷积，快速傅里叶变换负责把该卷积变为频域点乘以降低复杂度，二者搭配的原因是核仅在完全平方处非零且长度随距离平方增长，组合后把每维求和从平方级降为拟线性级。

复现时要注意，查表大小与 k 平方成正比，维度线性增加只增加卷积次数而不改变每维长度，这是线性于维度结论的来源。而直接网格枚举则随维度指数膨胀，图注中报告的在 12 维以内 1 秒内完成正是这一差距的体现。高维体积求和的上下界由符号距离约束决定，附录给出偶数与奇数索引的极值公式，操作上应先实现无加权计数并与小半径直接枚举对齐，再加入权重与上下界。

没有训练阶段时真实计算过程是什么

本研究没有神经网络训练阶段，没有参数冻结与更新、没有梯度路径、没有监督损失与重置时机，因此不能把无训练理解为确定性求解，随机相位翻转等构造仍会改变输出。真实计算过程是数值仿真与查表构造，分为查表填充与脉冲恢复 2 个阶段。

查表填充阶段按整数缩放因子放大距离、房间尺寸与坐标，计算 1 维解析解，再逐维做快速傅里叶变换域点乘与逆变换得到高维加权体积，全程是确定性数值运算。脉冲恢复阶段分正向与逆向两种，正向在采样距离处查表相减并除以距离平方做能量归一化。

小距离处因面积分辨率 2 次稀疏而误差大，作者用直接计算补足阈值以下的采样点。逆向则在面积域相减再用核把增量插值到分数时间，核宽为可调参数。频率相关版本是在多个均匀频率点重复上述流程，每个频率点使用各自的复反射系数，最后经逆傅里叶变换与列时移求和得到时域脉冲。

正向构造 × 逆向构造： 正向构造负责沿采样距离均匀取体积差分并做球面散射归一化，逆向构造负责沿面积变量取差分再用核插值到分数延迟，二者分工在于前者简单直接但小距离分辨率不足且有混叠，后者用面积域加密与插值核支持分数延迟，搭配使用可以对照验证混叠与回声密度的差异。

未报告的缺项是插值核宽与缩放因子的自动选择规则，以及最小相位假设之外的群延迟补偿，复现时应固定论文给出的具体数值而不自行外推。正向构造严格非负但有混叠，逆向构造不再严格非负但混叠消失，这是后文实验对照的重点。

实验测什么，条件如何固定，指标方向是什么

实验围绕 3 个问题组织，计数加速是否成立，缩放精度与时间的交换比如何，随时长与维度扩展的代价如何，以及高维脉冲的统计形态是否合理。协议上，计数实验在个人电脑级别环境用软件计时比较直接网格、直接递推、查表求和与卷积 4 种实现，维度与半径为自变量。

精度实验以直接镜像传递函数为参考，比较不同缩放因子下逆向构造脉冲的归一化均方误差，误差越低越好，时间越短越好。统计实验固定房间、声源、接收器与反射系数，时长多取 0.3 秒，采样率 48 千赫，滑动窗 512 样本。报告回声密度、能量衰减曲线、能量中值时间与混响时间及其拟合优度，回声密度越接近 1 越接近高斯，能量衰减拟合优度越接近 1 说明指数衰减越理想。

为使高维可比，作者取 6 维参数的前若干维作为低维输入，保持同组反射系数与几何来源一致。时长扩展实验把脉冲长度从 0.5 秒拉到 4 秒，维度从 1 维到 6 维，观察生成时间的增长形态。

看图路径： 1. 先确认横轴是房间脉冲响应长度从 0.5 秒增大到 4 秒的刻度；2. 再确认纵轴是生成时间秒数与从一维到六维的六条曲线的图例；3. 最后观察时长翻倍时各曲线斜率变陡的超线性上扬趋势

论文图 8。原论文 Figure 8：“Doubling the RIR length T more than quadruples the run-time costs, regardless of dimension N.”。

该图横轴是脉冲长度从 0.5 秒到 4 秒，纵轴是生成时间的秒数，6 条曲线分别对应 1 维到 6 维。可见时长翻倍时时间增长超过 4 倍，而维度增加带来的抬升相对较小，说明查表面积随距离平方增长是主导成本，逆向插值部分也分摊了维度影响，复现时应优先控制时长与缩放因子而非担心维度线性项。

主结果：加速、精度交换与脉冲形态的证据

计数加速方面，卷积实现在小半径与低维即接近渐近增长，直接网格在 3 维已难以承受，直接递推在 4 维已难以承受，而查表求和与卷积明显更快，后者在 12 维以内都在 1 秒内完成，这支持了拟线性复杂度的判断。精度交换方面，缩放因子每翻倍误差下降约 12 分贝，但时间增长超过 4 倍，符合面积查表规模按缩放平方增长的预期。

脉冲形态方面，正向构造严格非负但语谱图可见混叠，逆向构造不再严格非负但混叠消失且晚期回声密度更高，更接近高斯分布。频率相关实验用两抽头滤波器在 32 个均匀频率点上调制反射系数，直流 0 分贝、奈奎斯特负 2.5 分贝，合成脉冲的高频衰减更快。

回声密度 × 能量衰减曲线： 回声密度负责度量滑动窗内超出标准差的样本比例以判断是否接近高斯分布，能量衰减曲线负责经反向积分给出能量随时间的衰减形态以拟合混响时间，二者搭配是因为前者看统计形态后者看能量包络，组合才能同时判断高维混响尾是否既密集又衰减合理。

为公平比较正向与逆向构造，需要固定同一组 3 维几何与反射参数并观察同一时长下的包络与统计曲线，下图与下表整理了论文实际可运行的两种构造在相同参数下的报告值与形态差异，比较条件完全一致。

看图路径： 1. 先对比左右上两幅脉冲包络中蓝色脉冲与蓝色虚线能量衰减的下降过程；2. 再看橙色回声密度曲线从零附近爬升到接近 1 附近的速度差异；3. 最后对照下方两幅语谱图中从原点发散的扫掠亮线的清晰程度

论文图 5。原论文 Figure 5：“The following parameters generate RIRs for forward and inverse GCP-ISM constructions: s = [1, 0, 1], r = [2, 1, 1], l= [5, 4, 3], Γ+ = [0.93, 0.8, 0.9], Γ9 = [0.72, 0.78, 0.8], λ…”。

该图左右分别为正向与逆向构造的脉冲与语谱图，上排蓝色为脉冲包络、虚线为能量衰减、橙色为回声密度，左图标注混响时间 0.425 秒、右图 0.441 秒。下排语谱图中从原点发散的扫掠亮线在两种构造中都清晰，但正向存在混叠而逆向更干净，逆向晚期回声密度爬升更快，这与正文关于分数延迟与插值核的论述直接对应。

为公平比较正向与逆向构造，需要固定同一组几何与反射参数并观察同一时长下的包络与统计曲线，下表整理了论文实际可运行的两种构造在相同参数下的报告值与形态差异。

条件	指标	正向构造	逆向构造	比较对象
相同 3 维房间与反射系数	非负性	严格非负	不再严格非负	形态差异
相同 3 维房间与反射系数	混叠	可见混叠	无混叠	形态差异
相同 3 维房间与反射系数	晚期回声密度	爬升较慢	更高更接近高斯	形态差异

该表提出的问题是同一物理参数下两种差分方向是否给出一致的能量衰减，公平条件是房间尺寸、声源接收器与反射系数完全相同，指标方向是混响时间接近且拟合优度接近 1 为好。表后解释是，两者混响时间仅差十几毫秒且拟合优度都接近 1，说明能量包络一致，主要代价与收益在形态上，正向简单但混叠，逆向用插值换取无混叠与更高回声密度，未胜出项是正向在晚期高斯性上落后。

复杂度与可扩展性的对照需要把直接法与本方法放在同一量级下比较，下表汇总原文报告的渐近界与实测完成情况，公平条件是同一半径与维度下比较。

条件	指标	直接法	本方法	比较对象
N 维半径 k 计数	计算上界	O kN	O Nk2 log k	渐近复杂度
N 等于 3 直接网格	可行性	运行代价过高	查表求和更快	同半径对照
N 等于 4 直接递推	可行性	运行代价过高	卷积更快	同半径对照
N 不超过 12 卷积	实测时间	未报告完成	under 1 second	可运行策略
高维查表规模	内存	未报告	O Nk2	代价项

该表的问题是加速是否在渐近与实测两层都成立，公平条件是同一半径与维度下比较，指标方向是时间越短越好。表后解释是，渐近上指数变为拟线性，实测上直接法在 3 维 4 维即失效而卷积在 12 维内快速完成，主要代价是查表内存随维度与 k 平方增长，未评测边界是更大半径与非整数几何下的表现，原文未给出，不能外推。

高维回声密度为何超过高斯，相位翻转如何验证

论文报告了一个反例，在全正实反射系数的 4 维到 6 维仿真中，回声密度收敛到 1.5 左右，高于高斯的 1，说明尾部分布比高斯更密集。作者给出有限解释，k 半径球表面积随维度增大而加速反射数累积，加上同相电阻性反射使特定频率模式在 150 毫秒后占优，导致分布偏离高斯。

为验证这一解释，作者做了相位翻转消融，把全部、正向面或交替壁面的实反射系数取负，模拟非电阻性复阻抗的相位多样性，结果回声密度收敛回 1 附近，语谱图中可见模式被打散。这支持了相位多样性有助于高斯化的判断，但属于有限解释而非因果证明，因为混响时间也随之变化。

从左到右观察 4 维到 6 维的逆向脉冲与语谱图，可以看到维度升高时幅度下降但回声密度爬升更快并稳定在高位，下排扫掠亮线依然清晰，说明能量并未被充分打散。

看图路径： 1. 先从左到右确认四维到六维脉冲幅度量级逐渐下降的变化；2. 再看每幅上图橙色回声密度曲线是否稳定在 1.5 附近高于高斯；3. 最后对照下图语谱图中特定方向亮线是否持续占优而未被打散

论文图 10。原论文 Figure 10：“Echo density of higher-dimensional (N > 3) GCP-ISM RIRs converges to 1.5 (higher density in distribution’s tail than Gaussian) in the simulation.”。

该图从左到右为 4 维到 6 维的逆向脉冲与语谱图，上排蓝色为脉冲包络、虚线为能量衰减、橙色为回声密度，可见维度升高时幅度下降但回声密度爬升更快并稳定在 1.5 附近。下排语谱图中扫掠亮线依然清晰，说明能量并未被充分打散，这与后文相位翻转后模式消失形成对照，复现时应先重现全正系数的超高斯现象再做翻转。

边界与未验证的推测：哪些不能承诺

直接报告的限制包括全向假设、反射系数与入射角无关、整数坐标与整数房间尺寸、不支持连续运动声源与接收器，这些是方法成立的前提而非实现瑕疵。有限解释包括高维模式密度降低染色的动机，以及多项式反射数与能量衰减预测的差距，原文给出了回声密度与能量衰减的实测但未证明听感改善。

未验证的推测是更大规模真实空间的统计高斯性是否可由本方法复现，原文仅在合成参数下展示，未做真实房间录音对照。缺失证据不是技术错误，但复现与引用时要用报告、支持、可能加以区分。例如相位翻转改善高斯性是实验支持的判断，而高维一定更少染色的听感结论是待验证的推测。

此外，训练资源、推理延迟与输出帧率在本文不适用，报告的是查表内存与生成时间。总体趋势不等于每组参数都成立，时长翻倍超 4 倍增长是主要成本，实际部署需按目标时长预算查表规模。复反射系数的相位若引入大群延迟，还需要更大的频率点数以防止混叠，原文建议采用最小相位实现。

复现先做什么，需要固定哪些参数与代码状态

复现的第一步是获取官方代码，资源状态显示代码链接当前可用，已公开，可直接运行查表与脉冲构造脚本。第二步固定整数参数，不要先用连续坐标，3 维样本取声源 1 米、0 米、1 米，接收器 2 米、1 米、1 米，房间 5 米、4 米、3 米。

反射系数正壁面 0.93、0.8、0.9，负壁面 0.72、0.78、0.8，缩放因子取 1，时长取 0.3 秒，先重现正向与逆向的包络差异。第三步验证缩放交换，逐步放大缩放因子并记录归一化均方误差与时间，检查每翻倍约 12 分贝改善与超 4 倍时间增长是否出现。

第四步做高维扩展，取 6 维参数的前若干维，时长仍取 0.3 秒，观察回声密度是否在全正系数下超过 1。再按全部取负、正向面取负、交替取负 3 种方式翻转相位，检查是否回落到 1 附近。关键超参数包括面积查表长度、快速傅里叶变换补零长度、逆向核宽、频率点数 32 与两抽头滤波器系数。

信息条件是整数缩放与最小相位假设，缺失的自动选参规则不要自行发明，应报告具体缺项。统计指标上，能量衰减曲线经反向积分得到，混响时间由负 10 分贝到负 30 分贝直线拟合外推，拟合优度越接近 1 越好，能量中值时间对应累积能量一半时刻。

何时值得尝试，一句话收束与误解澄清

当任务是矩形房间、需要快速生成较长或较高维的合成脉冲以研究模式密度与统计形态，且能接受全向与整数网格限制时，本文方法值得尝试。当需要指向性、双耳、角度相关阻抗或连续运动轨迹时则不适合，应选用对应的推广分支。

常见误解是把查表加速误认为物理精度提升，实际上加速来自计数重组，物理近似反而因丢弃角度而变粗，精度靠缩放与插值补偿。另一个误解是把回声密度等于 1 误认为音质一定好，它只是统计高斯性的必要形态，能量衰减与频率染色仍需结合能量衰减曲线与语谱图判断。

收束来说，论文把指数枚举变为可卷积的体积计数，用差分恢复脉冲，用缩放与相位多样性修补分辨率与统计偏差，为高维房间声学仿真提供了一条可复现的计算路径，但其结论严格限定在整数矩形与全向假设之内。

为完整记录缩放与时长代价，下表汇总原文明确给出的交换关系，公平条件是同一参考与同一参数族内比较，指标方向是误差越接近目标越好、时间越短越好。

条件	指标	基线设置	加倍后设置	比较对象
逆向构造缩放因子	误差变化	当前 λ 误差	下降 12 dB	同参考直接法
逆向构造缩放因子	时间变化	当前 λ 时间	超过 4 倍	同参考直接法
脉冲长度 T	时间变化	当前 T 时间	超过 4 倍	不同 T 对照
高维全正系数	回声密度	高斯 1	收敛到 1.5	统计形态
相位翻转后 6 维	回声密度	翻转前 1.5	收敛到 1	同参数消融

该表的问题是代价是否可预测，公平条件是同一参考与同一参数族内比较，指标方向是误差与回声密度越接近目标越好、时间越短越好。表后解释是，缩放与时长都呈现超线性代价，翻倍操作带来约 4 倍以上成本，这是面积查表规模的直接后果，相位翻转则以改变混响时间为代价换取统计形态，未胜出项是全正系数的高维尾部，它提醒用户在追求高维密集反射时必须同时设计反射相位。