Residual-Driven Adaptive Multi-Rate Quadratic Programming Framework for Nonlinear Analog Audio Circuit Emulation

英文题目：Residual-Driven Adaptive Multi-Rate Quadratic Programming Framework for Nonlinear Analog Audio Circuit Emulation

会议身份：conference:dafx:2026:conference-paper-id:DAFx26_paper_31

✅ 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：#状态空间模型 #模型比较 #高效推理 #实时处理 #音频生成

评分：6.7/10 | 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 1.2/1.5 | 可复现 0.1/0.5 | 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

Miguel Zea：机构信息未能从会议 PDF 纯文本可靠映射
Luis A. Rivera：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

非线性模拟音频电路仿真需由输入电压预测输出波形，每步需求解含刚性动态与二极管三极管强非线性的微分代数方程，传统牛顿迭代解代数方程再积分更新的双循环难以兼顾精度与效率。该方法先将电路写成线性状态空间加非线性器件约束形式，并用后向欧拉或梯形法则离散线性动态，其离散输出进入下一步等式约束二次规划单步求解。其中器件约束被替换为带Hurwitz稳定矩阵的一阶线性代理以组装等式系统，无不等式激活且取单位度量时退化为伪逆最小范数解。求解后以后验非线性残差范数作为缺陷指示器，驱动死拍、PID H321与预测H0211控制器实现自适应多速率步长推进。相对已有固定步长状态空间法，关键差异在于把线性化余量解释为具有正确局部阶的可计算误差并闭环控步，在削波起始处自动收缩因而更贴近SPICE基线且等效伪逆与完整二次规划输出几乎不可区分。在二极管削波器评测设置下，QPDI BE PINV固定步长方法的平均执行时间指标为1.38 ms，低于SPICE基线的平均执行时间指标80.70 ms。该结论适用边界受限于三个手工推导电路与短时正弦阶跃输入，尚未验证长时音乐信号与参数调制外推，推理开销以平均执行时间计共射放大器自适应为99.01 ms仅为SPICE的210.80 ms约一半。

🔗 开源与复现资源

代码相关资源：https://mezea-uvg.github.io/RAMA/#code — 链接可访问（HTTP 200）
演示资源：https://mezea-uvg.github.io/RAMA/#demo — 链接可访问（HTTP 200）
复现相关资源：https://mezea-uvg.github.io/RAMA/supplementary/ — 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，目标是什么，先保留哪些信息？

本文解读的输入是会议论文正文与官方网站像素，不引入外部推断。目标是让刚进入语音音乐音频方向的研究生能复述方法并核对实验条件。必须保留的信息包括电路方程形式、线性化与镇定矩阵选择、残差定义与阶数、自适应接受与更新规则、3 个电路的输入与步长设置、与 SPICE 比较的指标方向和执行时间条件。

从任务看，虚拟模拟要把模拟音频电路搬到数字域，要求同时照顾准确性、实时效率和可解释性。数据驱动方法推理快但需要高质量训练数据且物理参数不易调节，灰盒方法部分保留结构但仍依赖数据辨识，传统虚拟模拟可调但需要很强的领域经验，SPICE 类仿真准确可解释但每步都要解微分代数方程，计算太重难以实时。论文处于状态空间方法一侧，目标是在保留 SPICE 式可解释结构的同时，把每步 2 次迭代压缩为 1 次求解，并解决步长与镇定参数的选择问题。

学习依赖上，后文所有动作都依赖一个约定：状态变量记电容电感等记忆元件，代数变量记非线性器件的电压电流，输入记激励源。先沿一个样本走完输入到输出，再展开控制与对比，才不会把残差、步长和误差混为一谈。

同输入同目标的已有路线如何取舍？

论文把相关路线按同输入同目标对照。第一类是数据驱动与灰盒，例如扩散或对抗估计非线性效果，以及在波导数字结构中嵌入学习的非线性多端口元件。它们输入也是音频与电路行为，目标也是高效高保真，但在监督上依赖数据，运行阶段难以直接暴露器件参数做调制。第二类是虚拟模拟的阻抗综合等方法，输入是电路物理描述，目标是可调高效，但对特定电路达到高保真需要手工推导。

第三类是电工程的 SPICE 与状态空间方法，包括耶等人与霍尔特斯等人的非线性状态空间建模。它们输入是网表或电路图，目标是物理准确，运行阶段每步都要解非线性代数方程再推进状态，因此有两处近似误差来源，实时性存疑。

论文的前作属于第三类改造：用刚体动力学中约束镇定的思想，把非线性约束换成镇定的线性替代，并把仿真重写为凸 2 次规划，从而把 2 次迭代减为 1 次。本文在此基础上补齐数值分析依据与自适应多速率，并扩展到三极管放大器与自激振荡器。理解这条继承关系很重要，否则会误把自适应残差当成通用常微分方程步长控制，而忽略它针对的是器件非线性约束的缺陷。

要解的微分代数方程长什么样？

论文考虑的电路写成三行。第一行是线性状态动态，状态导数等于状态矩阵乘状态加输入矩阵乘输入加耦合矩阵乘器件变量。第二行是线性代数关系，器件变量的线性组合等于状态与输入的线性组合。第三行是非线性器件关系，记为向量函数等于零，收集二极管与三极管的电流电压指数关系。输出是状态、输入与器件变量的线性组合。举例说，削波器样本输入是正弦电压，状态是电容电压，器件变量是两个二极管的电压电流，目标是算出输出电压波形，输出端口直接跨接电容。

难点在于第三行非线性。每步若用隐式离散推进状态，又要用牛顿类迭代解非线性方程，两处误差与两处成本叠加。自激振荡器更敏感，长期积分的相位与幅度误差会累积。因此问题不是单纯提高采样率，而是让步长跟着非线性强度走，并在每步只做 1 次线性等式求解。

单步求解加残差自适应的全景是什么？

方法全景可以按 1 次试探步复述。对上一步已接受的状态与器件量、当前输入和试探步长，先在上一步器件点算雅可比矩阵并取镇定矩阵为负单位阵除以步长，再组装三块线性等式：离散后的线性动态、线性电路关系、线性化器件约束。然后解等式约束 2 次规划或其等价伪逆得到试探状态，计算试探点真正非线性约束与线性预测之差得到后步残差，取范数作为缺陷指示器。若不大于容差则接受并算输出，否则缩小步长在同一区间重算，接受后按死拍、比例积分微分或预测规则更新下一步长，并钳位在最小与最大步长之间。

这个流程把数值积分、约束线性化与自适应控制装进一个单步映射。离散格式在本文取后向欧拉或梯形法则，控制器阶数取二以匹配残差的 2 阶局部量。初始条件要求一致，即满足线性代数关系与非线性约束，实验中取零状态。实现上通用框架是 2 次规划，常规无有效不等式时退化为伪逆，论文用实验验证两者输出不可区分，从而日常用更快实现，需要边界或正则时再回到 2 次规划。

三块等式与残差指示器如何分工？

组件分工先看等式系统的三块行。第一块行是状态离散，例如后向欧拉把当前状态减步长乘状态矩阵与耦合项移到左边，右边是上一步状态加步长乘输入项，梯形法则则把状态矩阵拆成左右两拍平均。第二块行是线性电路关系，不含步长，直接约束状态与器件变量。第三块行是线性化器件约束，雅可比乘当前器件增量等于步长乘镇定矩阵乘上一步残差。取镇定矩阵为负单位阵除以步长时，右端恰好抵消上一步残差，使线性预测为零，这是原文明确的安排理由。

微分代数方程 × 状态空间形式： 微分代数方程负责同时写出电容电感的微分动态和电路拓扑的代数约束，状态空间形式负责把这两部分拆成状态变量 x、输入 u 和非线性器件变量 q 的矩阵结构，二者搭配的原因是音频电路既有记忆元件又有瞬时约束，组合后得到形如状态更新加线性电路约束加非线性器件约束的三块结构，为后续把非线性块线性化进 2 次规划提供固定接口。

线性化替代约束 × 约束镇定： 线性化替代约束负责在当前工作点用 1 阶泰勒展开代替二极管和三极管的指数型电流电压关系，约束镇定负责引入矩阵 Kk 使线性化约束在单步内被镇定到零，二者搭配的原因是直接解非线性方程每步都要迭代，而镇定后的线性约束可以直接放进等式系统，组合意义是把原来微分推进加非线性迭代的 2 阶段求解压缩为 1 次线性等式求解。

等式约束 2 次规划 × 伪逆最小范数解： 等式约束 2 次规划负责提供带代价矩阵 Q 和不等式边界的通用单步求解框架，伪逆最小范数解负责在无有效不等式且 Q 取单位阵、线性代价为零时给出等式系统的最小范数解，二者搭配的原因是前者保留扩展性而后者计算更快，组合意义是论文可以用伪逆实现验证通用框架在测试用例中等价，从而在常规步用更快实现，需要加边界或正则时再回到 2 次规划。

后步非线性残差 × 自适应步长控制： 后步非线性残差负责度量 2 次规划解真正代入原始非线性约束后剩下的泰勒余项，自适应步长控制负责根据残差范数与容差比较来接受或拒绝当前试探步并放大或缩小下一步长，二者搭配的原因是该残差被证明具有 1 阶方法 2 阶局部量的阶数，适合做缺陷指示器，组合意义是形成残差驱动的多速率仿真：线性区用大步快速推进，削波或起振瞬间自动加密。

残差阶数的论证依赖三项假设：仿真停留在雅可比利普希茨的工作区使泰勒余项平方有界，等式矩阵一致正则使等式失配能按比例控制步增量，步长有界且相邻比有界、输入离散变化率有界。在此下等式失配为一步长量级，状态增量与器件增量同为一步长量级，残差范数为步长平方量级，满足 1 阶方法缺陷指示器的阶数要求。教学例子是削波瞬间器件增量变大，平方后残差出现窄峰，控制器随即缩小步长，这正是后文图中最直观的对应。

本研究训练了什么，没有训练什么？

本研究没有训练任何神经网络，也没有学习器件参数，不存在训练集、验证集、梯度反传、参数冻结与更新或早停。把无训练等同于确定性求解是误解，求解器仍有数值容差与自适应拒绝重算带来的路径相关性，不能从参数固定推定输出逐位确定。

后向欧拉 × 梯形法则： 后向欧拉负责用全隐式格式离散线性状态动态，具有 L 稳定性能强阻尼快变和高频伪影，梯形法则负责用前后两拍平均提高光滑问题的形式精度但只保持 A 稳定，二者搭配比较的原因是削波器非线性会激发高频成分，需要检验阻尼与精度的折中，组合意义是论文在同一残差控制器下对比两种离散，说明固定步时后向欧拉更稳，而自适应加密后两者差距缩小。

真实计算过程是仿真构造与调用。构造指从电路图手推状态空间矩阵与非线性约束，论文把 3 套电路的推导放在补充材料网页，代码页提供示例实现。调用指给定输入波形与试探步长，组装等式矩阵与右端向量，调用等式约束 2 次规划或伪逆求解器得到试探解，再算残差并按控制器更新步长。离散格式、控制器类型、初始步长与回升步长是本研究实际调用的配置变量，不是学习到的权重。复现时应先复现矩阵组装与残差计算，再调控制器，不要把执行时间当成训练成本。

三个电路与对照条件如何设置？

实验用 3 个难度递增的电路检验泛化。基线削波器用于对照前作修改前后，中等难度的共射放大器检验三极管拓扑，高难度的考毕兹振荡器作为数值压力测试，因为自激系统对离散误差与长期稳定性敏感。下段导读对应官方电路像素，先确认拓扑与器件规模，再看后文输入与步长表如何与之对应。

看图路径： 1. 先从左到右确认三个子图编号：削波器、共射放大器、考毕兹振荡器；2. 再看每个子图的输入源、接地位置和输出端口 Vout 的取法；3. 接着核对非线性器件型号与关键电阻电容电感标注；4. 最后把电路规模从单电容双二极管到多电容三极管再到振荡回路串起来

$原论文 Figure 2：Circuits considered in the experiments: (a) Baseline diode clipper circuit from \\[6, 7\\].$

论文图 2。原论文 Figure 2：“Circuits considered in the experiments: (a) Baseline diode clipper circuit from [6, 7].”。

上图 3 个子图从左到右分别是削波器、放大器与振荡器。削波器可见输入源串联电阻后并联双二极管与电容，输出跨电容取得。中间放大器可见三极管偏置电阻网络与多电容耦合，输入经电容进入基极，输出经电容取得。右侧振荡器可见电感电容回路与三极管反馈，输入为阶跃源。像素细节用于建立规模直觉，具体数值以网表与补充材料为准，正文不从像素猜器件值。

下表问题是 3 组实验的输入、时长与重复口径是否一致，公平条件是都以 SPICE 为基线参考并从相同初始步长出发，指标方向是波形一致性越高越好、执行时间越低越好。表前说明已交代比较意图，表中条件与单位保留原文写法。

实验组	电路对象	输入与时长	初始步长与初值	时间统计口径
a 组	二极管削波器	2.205 kHz, 5V 正弦输入，2.5 周期	h0 = 1/44100 s，一致零初值	每个用例重复 10 次取平均
b 组	共射放大器	220 Hz, 0.5V 正弦输入，22 周期	h0 = 1/44100 s，一致零初值	每个用例重复 10 次取平均
c 组	Colpitts 振荡器	12V 阶跃输入，5 ms，展示延长至 20 ms	h0 = 1/44100 s，一致零初值	每个用例重复 10 次取平均

上表把输入频率幅度与周期数并置是为了核对仿真时长与非线性暴露程度。削波器输入频率是 44.1 kHz 标准采样频率的 1/20，仍能检验削波事件定位。放大器周期数多，用于看长期跟随。振荡器用阶跃激发起振，用于看包络与频谱。表后解释是这些条件支撑后文收益判断：自适应加密只在事件处发生，线性区保持大步，因此平均执行时间仍低于 SPICE，但最小步会很小，需要单独报告。未胜出项是比例积分微分更新在放大器上更慢，后文结果节会点明。

自适应相对固定步与 SPICE 带来什么收益？

结果按问题组织。测的是输出波形与 SPICE 基线的平方误差、残差指示器形态、步长轨迹与平均执行时间。与谁比包括固定步等式约束 2 次规划、固定步伪逆、不同离散格式、自适应死拍与预测更新，以及步进加倍缺陷基线。条件一致性上，同电路同输入同初始步长，执行时间在同机重复 10 次，机器为视窗个人电脑配 AMD 锐龙 7 5800H。指标方向是误差越低越好，残差峰越能定位非线性事件越好，时间越低越好。

下段导读对应削波器四面板像素，先建立面板与曲线的对应，再解释自适应为何更准。

看图路径： 1. 先看子图 a 纵轴输出电压与横轴时间，比较固定步与自适应曲线对 SPICE 基线的跟随；2. 再看子图 b 平方误差随时间的变化，定位削波开始处误差峰；3. 接着看子图 c 残差指示器在非线性事件处的窄峰与步进加倍基线的宽平坦差异；4. 最后看子图 d 步长在事件时刻的下探与线性区的回升

论文图 3。原论文 Figure 3：“SPICE baseline and numerical results for the diode clip- per circuit for several cases of the proposed method (a.0 – a.8).”。

上图子图 a 是 2.5 周期输出对比，黑色粗虚线为 SPICE 基线，自适应曲线紧贴基线而固定步在削波沿偏离。子图 b 平方误差显示自适应在全程更低，最大差异出现在二极管开始削波处。子图 c 残差显示所提指示器在事件处为窄峰，而步进加倍基线较平坦且在削波前后有宽凹陷，直觉上定位性较差。子图 d 步长显示自适应在线性区保持约 5 到 6 微秒量级并在事件处下探，而步进加倍基线保持固定大步。像素不能精确读数的峰值不硬写，结论只用相对高低与宽窄。

下表问题是振荡器在最难条件下的频率与步长代价，公平条件是同阶跃激励下比较 SPICE 与所提方法，指标方向是谐振频率越接近越好、最小步越大越好。

比较对象	谐振频率	最小步长	相对初始步长的过采样	波形定性
SPICE 基线	11.3 kHz	未报告	未报告	起振包络与稳幅参考
所提方法 c.1	11.35 kHz	around 200 ns	128 倍于 1/44100 s	初期稍滞后、后期稍超前，包络基本重合

上表主要收益是谐振频率几乎重合，支持方法在自激电路仍有效。具体代价是最小步降到约 200 纳秒，对应 128 倍过采样，说明精度依赖局部加密。反例是相位漂移导致末端时域错位但频谱仍重合，因此不能只看末步时域差，需要结合频谱判断。未评测边界是更长音乐输入与调制电路，原文未报告，留待验证。

离散格式与更新律哪处关键，哪处不关键？

消融按可运行策略组织。固定步下后向欧拉优于梯形法则，论文解释为前者强阻尼能滤除削波引入的高频伪影。自适应下两者差距可忽略，削波器死拍与梯形自适应曲线不可区分。等式约束 2 次规划与伪逆在测试用例输出不可区分，但伪逆平均执行时间低一个量级，这是支持用伪逆做日常实现的关键对照。更新律在简单削波器上不关键，死拍、比例积分微分与预测行为几乎相同，但在放大器与振荡器上出现差异，比例积分微分更慢。

下段导读对应振荡器长时像素，重点是把时域漂移与频域重合分开判断。

看图路径： 1. 先沿子图 a 从 0 到 20 毫秒看包络由起振到稳幅的全过程；2. 再放大子图 b 左端前 1 毫秒与右端最后 0.5 毫秒，观察相位滞后变超前的漂移；3. 最后看子图 c 频谱在 11 千赫附近主峰的重合与高频底噪的细微差异

论文图 4。原论文 Figure 4：“SPICE baseline and numerical results for the Colpitts oscillator using the proposed method (case c.1, input extended to 20 ms).”。

上图子图 a 显示 20 毫秒内包络由上升到稳幅，红色所提方法与灰色 SPICE 大体重合。子图 b 左端前 1 毫秒红色稍滞后，右端最后 0.5 毫秒红色稍超前，说明存在缓慢相位漂移而非幅度失效。子图 c 单边幅度谱在主峰处重合，高频底噪有细微差异。教学上这组图说明自激电路不能只用时域末步误差下结论，必须同时看频谱峰位。可能待验证的是更长仿真是否保持漂移有界，原文未给出更长统计。

表后补充是执行时间趋势。削波器全部用例快于 SPICE，伪逆固定步最快，自适应回升步取 1/4 初始步时精度与时间折中最好。放大器死拍与预测在初始步回升时不到 SPICE 一半，比例积分微分回升取二分之一仍较慢。振荡器死拍与预测不到 SPICE 一半，回升取八分之一初始步。这些是总体趋势，不等于每步都更快，事件密集段仍需多次拒绝重算。

哪些边界尚未验证，不能承诺什么？

论文直接报告的局限包括最小步很小、回升步需手工选、2 次规划度量未系统研究、电路矩阵依赖手推。未测量误判率、延迟分布与嵌入式开销时，不能承诺实时延迟一定改善。VST 插件在集成声卡驱动下无可感知掉线只是初步证据，机器、驱动与缓冲不同结论可能不同。

相关性不是因果。残差峰与削波事件同时出现支持指示器有效，但不证明残差是唯一可用的缺陷度量，步进加倍在其他电路可能表现不同。伪逆等价只在测试用例成立，有有效不等式或非单位代价时必须回到 2 次规划。振荡器频率接近不等于相位长期锁定，时域漂移需要更长仿真与统计验证。缺失证据不是技术错误，后续应补延迟导向基准、稀疏求解器、能量或无源性视角的代价选择，以及从网表到矩阵的自动化管线。

要复现应先做什么，需要哪些信息条件？

复现先做三件事。第一，从官方代码页获取示例实现，从补充材料页获取 3 套电路矩阵与非线性约束推导，确认资源状态当前可用后再下载，不要依赖第三方转载。第二，按方法节复现等式组装与残差计算，固定镇定矩阵为负单位阵除以步长，初始步取 44100 分之 1 秒并设一致零初值，先跑固定步伪逆对照等式约束 2 次规划是否重合。第三，再接入死拍更新并设容差与最小最大步长钳位，复现削波器窄峰与步长下探，确认通过后再试放大器与振荡器。

关键超参数与信息条件包括离散格式、控制器类型与阶数、容差、回升步、最小最大步。论文未报告容差具体数值与部分求解器细节，这是具体缺项，复现时应记录自己所用值并做敏感性扫描。硬件预算应记录中央处理器型号、系统、重复次数与平均口径，执行时间比较只在同机同条件下有意义。插件导出可用音频工具箱生成动态库并在宿主加载测试，但这只是功能演示，不代替延迟测量。

何时值得尝试，如何一句话记住它？

当任务是可解释的模拟音频电路仿真，且能接受变步长与离线矩阵推导，值得尝试该方法。尤其适合削波与放大这类事件稀疏但局部强非线性的电路，用大步快速通过线性区，用加密处理事件沿。若需要硬实时固定采样率或嵌入式小算力，则需先验证最小步分布与最坏情况开销，必要时加步长下限与事件限幅。

一句话记住它是把非线性约束线性化后 1 次性解等式，再用剩下的非线性余项决定下一步走多大。复述时沿输入到表示到组件到目标到输出的顺序，先说状态与器件拆分，再说三块等式组装，再说伪逆求解，最后说残差接受与更新。重提结果时增加新对照才有信息量，例如固定步精度不如自适应、伪逆速度优于 2 次规划但功能等价、振荡器频率重合但相位有漂移，这些才是决定是否采用的依据。