SUBSPACE METHOD FOR RTF ESTIMATION AND SPEECH ENHANCEMENT USING RIEMANNIAN GEOMETRY

英文题目：SUBSPACE METHOD FOR RTF ESTIMATION AND SPEECH ENHANCEMENT USING RIEMANNIAN GEOMETRY

会议身份：conference:eusipco:2026:conference-paper-id:0000091

✅ 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：#波束成形 #麦克风阵列 #语音 #语音增强

评分：7.1/10 | 创新 1.2/2 | 技术严谨 1.0/1.5 | 实验充分 1.0/1.5 | 清晰度 0.8/1 | 影响力 0.8/1.5 | 开源 1.2/1.5 | 可复现 0.3/0.5 | 工程/实践 0.8/1.5

排名：前50% | 文档类型：方法研究

👥 作者与机构

Ronai, Or：机构信息未能从会议 PDF 纯文本可靠映射
Bar, Amitay：机构信息未能从会议 PDF 纯文本可靠映射
Talmon, Ronen：机构信息未能从会议 PDF 纯文本可靠映射
Cohen, Israel：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

输入为16通道阵列在混响加性噪声下含多个间歇干扰源的观测，输出为参考麦克风处目标语音估计，难点是干扰可能强于目标且其活动模式未知。方法先将接收信号分段估计样本相关矩阵，并用仿射不变度量迭代求黎曼均值以保留共享目标成分而抑制非共享干扰，前一步的黎曼均值与欧氏均值共同进入下一步特征分析。接着求欧氏均值相关矩阵的特征基，并计算黎曼主向量在该基上的展开系数以度量各子空间与目标的相关性，系数输出用于阈值筛选。然后按能量阈值保留相关子空间并投影重构相对传递函数，重构的RTF直接代入MVDR计算权向量并滤波增强。与单主向量法仅用最大特征向量及黎曼法使用全部基向量不同，本方法只保留与黎曼估计相关的子空间，避免小特征值倒数放大噪声的同时保持干扰抑制。在SIR为8dB、SNR为20dB的评测设置下，所提方法的PESQ为3.19±0.15，高于传统MVDR的PESQ 2.93±0.22。该结论适用边界限于静态声源、目标持续活动、干扰间歇活动及仿真房间脉冲响应，尚未验证真实录音、移动声源与目标间歇情形。原文未披露训练、推理或部署成本。

🔗 开源与复现资源

代码相关资源：https://github.com/orronai/SpeechEnhancementSubspaceMethod — 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

要解决的语音增强任务是什么，为什么强干扰让它变难？

输入是麦克风阵列在混响房间里收到的多通道含噪语音，目标是恢复目标声源在参考麦克风处的信号。论文设定的场景是，一个目标声源持续发声，多个干扰声源间歇活动且可能比目标更强，另加空间白噪声，所有源位置、功率和活动时间未知且互不相关。输出是经过波束形成器增强后的单通道目标估计，先在短时傅里叶变换域逐频点处理，再经逆变换回到时域。

对刚入门的读者，白话解释两个关键词。相对传递函数，英文相对传递函数，缩写相对传递函数向量，是目标声源到每个麦克风的声传递函数除以参考麦克风传递函数得到的向量，它的第一元按定义为 1，它告诉波束形成器目标从哪个空间方向来。最小方差无失真响应波束形成器，英文最小方差无失真响应，是在约束目标方向增益为 1 的前提下最小化输出功率的经典波束形成器，它需要已知目标相对传递函数和接收信号相关矩阵。

必须保留的信息是，论文不假设已知语音活动检测结果，也不依赖每帧的语音存在概率估计，而是利用干扰间歇、目标持续这一时间结构差异。学习依赖是，先理解多通道信号模型与相对传递函数定义，再理解样本相关矩阵分段与两种平均的几何含义，最后才能理解为何只用一个主特征向量或用全部特征向量都可能次优。

强干扰让常规方法失效的链条是，常规最小方差无失真响应通常把样本相关矩阵的最大特征向量归一化后当作相对传递函数估计，当干扰在某些时段占主导时，这个最大特征向量更可能指向干扰源而非目标源，波束形成器就会保住干扰、抑制目标。协方差相减、白化、基于功率谱的方法在这种未知活动、强干扰条件下同样需要难以获得的先验。因此论文把研究问题收窄为，如何在不预知活动的前提下，得到一个既抗间歇强干扰、又不放大背景噪声的相对传递函数估计，再把它交给波束形成器使用。

已有相对传递函数估计路线各卡在哪里？

同输入、同目标、同运行阶段的可比路线有 3 类。第一类是常规协方差类方法，包括协方差相减、协方差白化、基于目标功率谱与互功率谱的方法，它们与本文同为多通道、宽带、逐频点估计相对传递函数，但多要求已知声源活动区间或能准确估计语音存在概率，在干扰间歇未知且强时条件不成立。

第二类是黎曼几何类方法，把样本相关矩阵看作埃尔米特正定流形上的点，用仿射不变度量求多段矩阵的黎曼平均，再取其首席特征向量估计相对传递函数，代表是本文直接比较的黎曼方法，它与本文同输入、同目标、同无监督活动条件，差异仅在后续是否做子空间选择。第 3 类是子空间滤波与特征值滤波类语音增强，它们按特征值大小保留主子空间以去噪，但特征值大只代表能量大，不代表属于目标，强干扰的方向同样特征值很大。

论文引用了黎曼中值用于到达方向估计抗间歇干扰的工作，以及将黎曼平均用于语音增强中相对传递函数估计的工作，说明共享空间分量保留、非共享分量衰减这一性质已有证据。论文明确指出黎曼方法的短板是随信号与干扰比升高性能退化，即目标占主导时黎曼平均反而可能不如欧氏统计量，这为后文在高信号与干扰比区间常规方法反超埋下伏笔。

本节的对照结论是，不能把类别差异当成同条件胜负。常规方法在高信号与干扰比、低混响时本就占优，黎曼方法在低信号与干扰比、干扰间歇时占优，本文方法要证明的是在同一房间、同一阵列、同一语音库与噪声生成方式下，对同一批蒙特卡洛随机目标位置同时改善两种区间的折中，而不是在某一端单点取胜。

信号模型与待估计量是如何定义的？

论文用短时傅里叶变换把时域多通道信号变到时频域，窗长记为采样点数，频点索引为频率，帧索引为时间。设阵元数为麦克风个数，目标声源数为一个，干扰源数为多个，所有声源静态，因此声传递函数与相对传递函数不随帧变化。参考麦克风不失一般性取第一个麦克风。

目标的相对传递函数向量定义为各麦克风到目标的声传递函数分别除以参考麦克风传递函数，第一元为 1，其余元为复数比值。干扰源的相对传递函数同理定义。接收向量等于目标在参考麦克风处的信号乘以目标相对传递函数，加上每个干扰在参考麦克风处的信号乘以各自相对传递函数，再加多通道噪声向量。目标、干扰与噪声互不相关，噪声设为空问白噪声。

待估计量有两个层次。第一层是每个频点的目标相对传递函数向量，它是波束形成器的指向参数。第二层是每个时频点的目标在参考麦克风处的复谱估计，它是最终经逆短时傅里叶变换得到时域增强语音的中间量。评价时把增强结果与干净参考比较，计算归一化均方误差、信号与干扰比改善量、信号与噪声比改善量，以及语音质量与可懂度指标。

一个教学例子是，假设某频点目标从正前方来，两个干扰分别从左右两侧间歇出现。若把整段信号只算一个相关矩阵并取最大特征向量，在干扰同时大声的时段，该向量可能指向侧方干扰。论文的方法相当于先把长信号切成多段，每段各算一个相关矩阵，再在流形上平均，使只在部分段出现的侧方能量被平均掉，持续出现的正前方结构被保留。

整体方法让一个样本走完输入到输出经历什么？

输入是全部麦克风、全部帧、全部频点的复谱观测。第一步是分段，对每个频点把帧序列切成多个连续不重叠段，每段含连续窗数，要求窗数至少不少于麦克风数以保证每段样本相关矩阵满秩。第二步是对每段计算样本相关矩阵，即段内各帧接收向量与其共轭转置外积的平均，每个矩阵都是埃尔米特正定矩阵，可看作流形上一个点。

第三步是并行求两种中心，一是多段矩阵的黎曼平均，用迭代算法求弗雷歇平均，二是多段矩阵的欧氏算术平均，它等价于不分段直接在全区间求样本相关矩阵。第四步是特征分解，分别求黎曼平均的首席特征向量和欧氏平均的全部特征向量与特征值。第 5 步是投影与筛选，把黎曼首席向量展开到欧氏特征基上，按展开系数能量阈值选子空间，加权求和并归一化使第一元为 1，得到最终相对传递函数估计。

第六步是波束形成，把该估计与欧氏平均相关矩阵的逆代入最小方差无失真响应公式求权向量，再对每帧接收向量加权求和得到目标谱估计，最后逆变换回时域。

表示层面，欧氏平均的特征基是数据自适应的完备正交基，黎曼首席向量是抗干扰的粗指向。组件层面，阈值筛选是唯一的非线性选择器，决定保留哪些基方向。目标层面，最终估计既要接近黎曼粗估计的方向，又要落在欧氏基的低噪声子空间内。输出层面，波束形成器权向量自动给所选方向高增益、给未选方向低增益。

原文给出的安排理由是，常规做法只用单个主特征向量，对强干扰敏感；纯黎曼做法用全部欧氏特征向量作展开基，可能引入与目标无关的小特征值方向，这些方向在相关矩阵求逆时因分母小而被放大，导致噪声放大。因此论文选择一个不一定由最大特征值对应的子空间，而是由与黎曼粗估计相关性决定的子空间，这是全文中心矛盾的解法。

分段相关矩阵与两种平均各自分工是什么？

分段的动作是把长时观测切成段，每段单独估计一个样本相关矩阵。白话说，每段矩阵记录该时段谁在大声。若目标一直在，干扰各只出现一段，则目标成分在所有段矩阵中共有，干扰成分只在部分段矩阵中出现。这种共有与非共有的差异是黎曼平均能起作用的前提，论文在两干扰实验中设段数为两段、每干扰各占一段，在五干扰实验中设段数为 4 段并给出随机活动图。

相对传递函数 × 最小方差无失真响应波束形成器： 相对传递函数负责刻画目标声源到各麦克风相对参考麦克风的声学传递关系，是波束形成器的指向依据；最小方差无失真响应波束形成器负责在保持目标方向无失真通过的同时最小化输出总功率，分工是前者提供方向约束、后者提供干扰与噪声抑制，搭配理由是只要相对传递函数估计偏向干扰源，波束形成器就会保错方向，组合意义在于把更抗干扰的相对传递函数估计直接代入最小方差无失真响应系数的封闭计算，从而同时改善干扰抑制与噪声行为。

样本相关矩阵的欧氏平均是对矩阵元素直接求平均，物理上等价于全区间相关统计，它的特征向量按特征值从大到小排序，最大特征向量在无强干扰时接近目标，但在强干扰时可能接近干扰。黎曼平均是在仿射不变度量下求流形中心，论文选用该度量是因为已有工作显示它比其他度量更能保留期望子空间并抑制干扰，直观上流形距离对各段共有结构更敏感、对某段独有的强能量不轻易跟随。

样本相关矩阵 × 黎曼平均： 样本相关矩阵负责在一段短时平稳区间内统计多通道接收信号的 2 阶相关，是欧氏平均与特征分解的操作对象；黎曼平均负责把多段样本相关矩阵看作埃尔米特正定流形上的点，用仿射不变度量求弗雷歇平均，分工是前者保留全区间能量、后者保留各段共有空间结构而衰减非共有成分，搭配理由是间歇干扰只在部分段出现、目标声源在全段持续，组合意义在于黎曼平均的首席特征向量对间歇强干扰更鲁棒，可作为目标导向向量的粗估计。

实现细节是，黎曼平均没有两矩阵以上的闭式解，论文采用文献中的迭代算法计算；欧氏平均直接求和除以段数。频率索引在求平均时逐频点独立进行，不同频点选出的子空间维度可以不同，论文报告低信号与干扰比时所选维度高于高信号与干扰比时，这与干扰在低信干比下泄漏到更多基方向是一致的。

展开系数、阈值筛选与归一化如何算出最终估计？

记欧氏平均的第个特征向量按特征值降序排列，黎曼平均的首席特征向量为单位范数向量。展开系数定义为两者标准内积，即黎曼粗估计在每个欧氏基方向上的投影，取模平方表示该方向保留了多少粗估计能量。子空间索引集定义为模平方大于阈值的那些序号，阈值取值区间为零到最大模平方之间，论文主实验取千分之一，并说明小扰动下结果稳健。

最终相对传递函数估计为所选基向量的加权和，权重即对应展开系数，再除以归一化标量使第一元为 1，满足相对传递函数定义。若把该估计替换为归一化后的黎曼首席向量，则退化为黎曼波束形成器；若替换为归一化后的欧氏首席向量，则退化为常规最小方差无失真响应波束形成器。因此三者在代码层面只差这一个向量，比较是公平的。

欧氏平均 × 子空间投影： 欧氏平均负责把全部时频窗的样本相关矩阵直接算术平均，得到与整段相关矩阵等价的基准统计量及其特征基；子空间投影负责把黎曼平均得到的抗干扰向量展开到该特征基上，只保留展开系数能量大于阈值的分量，分工是前者提供数据自适应的完备基、后者做选择性保留，搭配理由是黎曼估计虽抗干扰但包含与目标无关的小特征值方向，在求逆时会放大噪声，组合意义在于用与目标相关性而非特征值大小选子空间，丢掉只会放大噪声的分量。

展开系数 × 阈值： 展开系数负责度量黎曼首席特征向量与欧氏平均每个特征向量之间的标准内积，即目标粗估计在每个基方向上的投影长度；阈值负责判定哪些方向被认为与目标充分相关而进入集合，分工是前者给出连续的相关度、后者给出离散的取舍规则，搭配理由是特征值大不等于与目标有关，干扰特征向量也可能特征值很大，组合意义在于按相关能量选子空间，使所选维度随频率和输入信干比自适应变化，阈值越低保留维度越高并越接近纯黎曼方法。

理论支撑是，任意估计向量都可展开为欧氏特征基的线性组合，最小方差无失真响应权向量可写成分子为各系数除以特征值加权求和、分母为 2 次型的形式。小特征值在分母中会被放大，若其对应基方向与目标无关，就会放大噪声。论文的方法丢掉展开系数小的方向，正是丢掉那些对最终相对传递函数贡献可忽略、却可能在求逆时放大噪声的方向。阈值越低，保留维度越高，方法越接近纯黎曼方法；阈值越高，越接近只保留极少数强相关方向。

本研究有训练阶段吗？实际计算与调用是什么？

本研究没有神经网络训练阶段，也就没有梯度路径、损失函数、优化器更新、参数冻结与解冻、早停或权重下载问题。必须明确说明未训练的是声学模型或波束形成网络，实际计算是纯信号处理链，包括房间冲激响应仿真、短时傅里叶变换、相关矩阵估计、黎曼平均迭代、特征分解、阈值投影和波束形成加权。

真实调用过程是，先用房间冲激响应发生器按给定房间尺寸、混响时间、阵列几何与声源角度合成多通道混响语音，再从语音库中随机选语音片段、生成高斯白噪声并按指定输入信号与干扰比和信号与噪声比混合。随后按算法步骤逐频点计算矩阵与向量，不存在跨样本学习到的可迁移参数，每次蒙特卡洛迭代都重新生成目标位置、语音内容与噪声实现并重新计算。

未报告的缺项是，黎曼平均迭代的初值、收敛阈值与最大迭代次数在正文中未给出具体数值，只引用了迭代算法文献；特征分解的具体数值库也未说明，但这不影响方法可复述性，因为任何标准特征分解得到的是同一数学量。不能把无训练等同于系统输出确定，因为语音内容、目标角度与噪声实现都是随机的，论文用多次蒙特卡洛平均来报告期望性能。

复现者应把本节理解为仿真与估计流程，而非模型训练流程。需要固定的不是学习率而是分段数、每段窗数、阈值、窗长与重叠率，需要记录的不是检查点而是随机种子与语音选取方式，否则无法对齐归一化均方误差曲线。

实验在什么房间、阵列、语音与指标下比较？

房间设为长宽高分别为八米、六米、3.5 米的矩形房间，主混响时间取 150 毫秒，另在不同混响时间下做扫描。阵列为十六元均匀线阵，相邻间距 4.26 厘米，最左端麦克风放在 3.7 米、一米、两米处，沿横轴排布。声源距阵列中心半径 2.7 米、高度 1.5 米，目标在六十五度到一百一十五度扇区内均匀随机放置，两个干扰固定在 31.5 度和一百四十一度。房间冲激响应用基于镜像法的发生器合成，长度为两千零四十八点，采样率 16 kHz，语音来自语音库，时长 4.096 秒，短时傅里叶变换用汉宁窗、窗长一千零二十四、50% 重叠。

比较对象是三者在同一数据上运行的可部署策略，一是本文子空间投影方法，二是黎曼方法，三是常规最小方差无失真响应波束形成器，三者共享同一相关矩阵逆与同一波束形成公式，仅相对传递函数向量不同。论文还提到用线性约束最小方差与克罗内克最小方差波束形成器重复验证得到相似趋势，但主图只展示最小方差无失真响应。

指标方向是，归一化均方误差越低越好，定义为增强误差能量除以干净目标能量后取对数；信号与干扰比改善量与信号与噪声比改善量越高越好，分别等于输出与输入相应比值之差；语音质量与可懂度越高越好。聚合方式是对 100 次蒙特卡洛迭代平均，表格中给出均值与标准差，并用配对检验报告显著性。

下表把主观客观联合评价的数值条件整理为可核对形式，表前问题是，在输入信号与干扰比为 8 分贝、信号与噪声比为 20 分贝这一中间偏难条件下，3 种可运行策略的语音质量与可懂度孰高孰低，公平条件是同一房间、同一阵列、同一语音与噪声实现下仅替换相对传递函数向量，指标方向为越高越好。

指标	测试条件	常规最小方差无失真响应	黎曼方法	本文子空间方法
语音质量	输入信号与干扰比 8 分贝，信号与噪声比 20 分贝	2.93 ± 0.22	2.83 ± 0.20	3.19 ± 0.15
可懂度	输入信号与干扰比 8 分贝，信号与噪声比 20 分贝	0.94 ± 0.03	0.96 ± 0.02	0.97 ± 0.02

表后解释是，本文方法在该条件下同时取得最高的语音质量与可懂度，语音质量比常规方法高约 0.26、比黎曼方法高约 0.36，可懂度也略高。代价与反例是，常规方法在该点语音质量反而高于黎曼方法，说明黎曼分支在较高信号与干扰比下确有退化；本文方法的标准差更小，显示更稳定，但论文同时报告阈值在一定区间内取值，超出该区间是否仍稳健未在主表展开。配对检验显示所有提升的显著性水平下差异显著，但这只是统计显著，不等于每 1 次随机位置都胜出。

多干扰与参数扫描的协议如何保证可重放？

除主实验外，论文做了 3 组特有细节扫描。一是信号与干扰比扫描，固定信号与噪声比为 20 分贝；二是信号与噪声比扫描，固定信号与干扰比为零分贝；三是混响时间与阵元数扫描，固定信号与噪声比 10 分贝、信号与干扰比 6 分贝。另有五干扰扩展，信号时长 8.192 秒、切 4 段、干扰位置固定在 5 个角度并给出活动图，输入信号与噪声比 20 分贝下扫信号与干扰比。

下表把可重放的关键仿真参数收拢为一处，表前问题是，若他人要重跑主曲线，需要固定哪些房间、阵列、声源与算法参数，公平条件是三方法共享同一批仿真数据与同一分段，指标比较才有意义。

参数组	房间与阵列取值	声源与分段取值	算法与信号取值	备注对照
阵列与混响扫描	阵元数 5 到 20，混响 0.2 秒到 0.6 秒	目标扇区不变	信噪比 10 分贝，信干比 6 分贝	看趋势
信号生成	采样率 16 千赫，冲激响应 2048 点	语音库随机选	汉宁窗 1024 点，50% 重叠	蒙特卡洛 100 次
评价	归一化均方误差越低越好	干扰与噪声改善量越高越好	语音质量与可懂度越高越好	配对检验 0.05

表后解释是，该表的价值在于把分散在正文各段的仿真条件集中核对，避免把不同信噪比下的曲线混为一谈。主要收益是三方法在同一随机种子下比较，差异只来自相对传递函数估计；具体代价是计算量随频点与段数线性增长，黎曼迭代在每个频点都要运行。未评测边界是，目标与干扰角度更接近、目标移动、干扰持续全程等破坏共有与非共有假设的情形未在主表量化，复现时若改变这些条件，不应直接期待同样的增益。

代码可用性方面，资源状态显示代码仓库当前可用，已公开链接可供核查算法步骤，但这只代表代码可获取，不代表权重或一键运行系统可直接部署，复现仍需自备语音库与房间发生器。

主结果在不同信干比与信噪比下呈现什么分工？

论文报告，在固定信号与噪声比 20 分贝下扫信号与干扰比时，低信号与干扰比端本文方法与黎曼方法相近且均优于常规方法，高信号与干扰比端本文方法与常规方法相近且均优于黎曼方法，在负 3 分贝到 15 分贝中间区间本文方法同时优于两者，归一化均方误差最低。作者用两条改善量曲线解释，黎曼方法干扰抑制好但噪声改善量为负即放大噪声，常规方法噪声抑制好但干扰抑制在强干扰下不足，本文方法噪声行为接近常规方法、干扰抑制接近黎曼方法，从而在折中区取胜。

信号与干扰比 × 信号与噪声比： 信号与干扰比负责刻画目标相对间歇干扰源的强度对比，是检验干扰抑制能力的横轴；信号与噪声比负责刻画目标相对空间白噪声的强度对比，是检验噪声抑制能力的横轴，分工是前者拉开干扰主导与目标主导区间、后者拉开噪声主导与干净区间，搭配理由是黎曼平均擅长低信号与干扰比而可能在高信号与干扰比退化、常规波束形成器则相反，组合意义在于用两张改善量曲线分别读出干扰抑制增益与噪声抑制增益，才能解释所提方法为何在中间区间同时超过两者。

在固定信号与干扰比零分贝下扫信号与噪声比时，本文方法在所扫信噪比下归一化均方误差最低，干扰抑制能力接近黎曼方法且随信噪比升高而增强，噪声抑制显著优于黎曼方法并接近常规方法。作者的机制解释是，投影丢掉了与目标粗估计相关性可忽略的特征方向，这些方向若保留会在求逆时放大噪声，去掉后噪声改善量转正。

在混响时间与阵元数扫描中，本文方法在所有 tested 混响与阵元数下保持最低归一化均方误差，且阵元越多增益越明显。论文称干扰与噪声改善量趋势与主图一致故省略，这意味着读者不能从正文直接读出该扫描下的干扰与噪声分解，只能看到总误差趋势，这是证据边界。

五干扰实验显示相似趋势，说明方法不只适用于两段两干扰的极简设定。但需注意，五干扰实验分段增至 4 段、时长翻倍，段数与干扰活动模式是联合变化的，不能单独归因于干扰个数增加，复现时应保持原文的活动图与分段一致才能比较。

阈值与子空间维度变化时行为如何，失败条件是什么？

论文对阈值的消融是有限的。主曲线取千分之一，并称结果对小扰动稳健；语音质量表注明阈值在 0.75 倍到 2.5 倍的千分之一区间内取值，显示该区间内仍能保持优势。这支持阈值不是极端敏感的单点，但未给出阈值扫整条曲线的完整表格，也未报告阈值取零或取最大模平方这两端退化为纯黎曼或单方向时的定量落差，读者只能从文字推断两端分别接近黎曼方法与稀疏投影。

子空间维度的观察是，不同频率选出不同维度，低信号与干扰比时维度高于高信号与干扰比时。这符合直觉，强干扰把目标能量泄漏到更多基方向，需要更多方向才能保留足够的目标投影；目标主导时少数方向已足够。但论文未给出维度直方图或平均维度随信干比的数值表，因此不能复述具体维度数字，只能复述趋势方向。

失败条件可从机制推断并得到部分证据支持。一是当信号与干扰比很高时，黎曼分支本身退化，若阈值过低保留过多方向，方法会更像黎曼方法而损失优势，此时应偏向更高阈值或更接近常规方法。二是当干扰不再间歇而是全程持续时，共有与非共有假设失效，黎曼平均不再能区分目标与干扰，粗估计本身偏向干扰，投影也会跟随偏向，这是未在主实验量化的边界，使用时需先验证活动模式。三是当特征值都很小即极低信噪比时，阈值选择需更谨慎，否则可能保留噪声方向或丢掉弱目标方向，论文的信噪比扫描最低端仍显示本文方法最优，但未下探到负信噪比。

本节未把缺失证据当作技术错误。未测量阈值全 sweep、未报告维度分布、未测试持续干扰，这些是待补验证，不是已证失败。

哪些结论有直接证据，哪些只是有限解释？

直接报告的是，在所设房间、阵列、语音库、噪声与蒙特卡洛协议下，本文方法在所扫信号与干扰比、信号与噪声比、混响时间、阵元数及五干扰扩展中取得最低归一化均方误差，并在 8 分贝信号与干扰比、 tw 10 分贝信号与噪声比条件下取得更高的语音质量与可懂度且通过显著性检验。这些是可复述的胜负判断，限定在原文条件下成立。

有限解释的是，噪声放大源于小特征值在求逆时被放大，以及黎曼平均保留共有分量、衰减非共有分量的几何直觉。前者有公式结构支持，后者引用了先前工作，但本文未对每一步做因果干预实验，例如固定粗估计只换投影、或固定投影只换粗估计的对照，因此只能说结果支持该解释，不能说已证明噪声放大的唯一来源就是小特征值。

未验证推测的是，更大阵列增益更明显是否会一直延续、其他波束形成器上趋势相似是否意味着所有波束形成器都受益、阈值稳健区间外是否仍稳健。这些在正文中以一句话带过或只给区间，未给完整数字，不应推广为一般保证。

相关性不是因果的提醒是，低信号与干扰比下维度更高与性能更好同时出现，不等于维度高导致性能好，可能两者都是干扰强的共同结果。未测量的量包括计算延迟、每频点迭代耗时、内存占用与实时因子，论文未报告这些成本，因此不能承诺该方法在延迟或算力上优于基线，只能说它在误差与感知指标上占优。

要复现这条曲线，先做什么、参数如何取？

先做数据仿真。按房间尺寸、混响时间、阵列位置与间距、声源半径与角度生成房间冲激响应，长度与采样率按原文取定；从语音库随机选目标与干扰语音，生成高斯白噪声，按参考麦克风处的输入信号与干扰比和信号与噪声比定标混合；目标全程活动，干扰按段活动，两干扰时两段各占一段，五干扰时按原文活动图分 4 段。短时傅里叶变换用汉宁窗、窗长与重叠按原文取定。

再跑 3 条可运行策略。策略一常规方法，对全区间相关矩阵做特征分解取首席向量归一化；策略二黎曼方法，对分段矩阵求黎曼平均取首席向量归一化；策略三本文方法，求黎曼首席向量与欧氏全特征基的内积，按阈值筛选加权求和归一化。三者用同一相关矩阵逆求最小方差无失真响应权向量并做波束形成，这样差异只来自相对传递函数。阈值先取千分之一，语音质量表区间可用于稳健性检查。

还需补的验证是，记录随机种子与每次目标角度，跑足 100 次蒙特卡洛并报告均值与标准差；同时画出干扰改善量与噪声改善量两条分解曲线，避免只看总误差；补测阈值从零到最大模平方的扫描、平均保留维度随信干比的变化、以及干扰全程持续或目标移动的边界条件；记录每频点黎曼迭代次数与运行时间，以评估部署成本。

常见误解是，把欧氏平均的特征值大小当成与目标的相关度。论文特意强调特征值大可能是强干扰，筛选依据应是与黎曼粗估计的内积能量，而非特征值排序。另一个误解是，把代码可用等同于系统可直接运行，实际上仍需自备语音库、房间发生器与蒙特卡洛外层循环。

何时值得尝试这个方法，如何一句话记住它？

当任务是多通道、混响、含白噪声、干扰间歇且可能强于目标、目标持续、活动未知、需逐频点估计相对传递函数并交给波束形成器时，值得尝试该方法。它的记忆点是，先用黎曼平均拿到抗间歇干扰的粗方向，再用与该粗方向的相关能量而非特征值大小，从欧氏特征基中挑子空间做投影，用阈值控制保能量与去噪声的折中。

适用条件是，声源静态、分段数与干扰活动模式匹配、每段窗数不少于阵元数以保满秩、阈值取在原文稳健区间附近。若干扰全程持续、目标快速移动、阵元数很少或信噪比极低，应先补边界实验再决定。

收束是，论文的增量不是提出新的波束形成器，而是提出一个新的相对传递函数估计器，它可插入任何使用相对传递函数的波束形成器。证据显示它在所报告的多维扫描中同时继承了黎曼分支的干扰抑制与欧氏分支的噪声抑制，代价是每频点多 1 次黎曼迭代与 1 次投影选择，且阈值与分段需按场景校准。复述方法时抓住分段、两种平均、内积筛选、归一化、波束形成这 5 步，就抓住了全文可核对的主干。