不改速度也能听出投入度：用相位性皮电把听众变成节奏控制器

英文题目：The Singing Skin: An Audience-Centered Biofeedback System for Musical Interaction Based on Galvanic Skin Response

会议身份：conference:icmc:2026:conference-paper-id:paper-432

✅ 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 #实时处理 #生理信号 #音乐 #音乐生成

评分：4.9/10 | 创新 1.2/2 | 技术严谨 1.0/1.5 | 实验充分 0.2/1.5 | 清晰度 0.8/1 | 影响力 0.6/1.5 | 开源 0.0/1.5 | 可复现 0.3/0.5 | 工程/实践 0.8/1.5

排名：后50% | 文档类型：系统技术报告

👥 作者与机构

• Eun Ji Oh：机构信息未能从会议 PDF 纯文本可靠映射
• Jun Woo Beck：机构信息未能从会议 PDF 纯文本可靠映射
• Alexandria Smith：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

现场演出中听众交感唤醒难被演奏者实时感知并用于音乐控制，输入为个体差异大且有延迟的皮肤电信号，输出为不破坏和声与速度连贯性的可听表情变化。先在PC1端以10000Hz经Lab Streaming Layer采集皮肤电并做带通滤波与降采样，职责是抑制噪声得到以相位成分为主的信号，输出20Hz相位主导信号；再以该20Hz信号为输入按30s基线做百分位最小最大归一化并按乐句时长开窗平滑，职责是消除个体差异得到0至1有界控制量，输出与速度对齐的平滑控制特征。最后以该平滑控制特征经开放声音控制协议送至PC2为输入，经延迟缓冲对齐上一乐句感知时延后按可调指数映射为0至127的MIDI连续控制器值并路由至Serum低通滤波器截止频率的低频振荡器速率，职责是将唤醒转为节奏细分密度，输出高唤醒更碎、低唤醒更连绵且不改音高速度的声音。在PC1实时采集与分析设置下，原始采集阶段的采样率指标为10,000 Hz，高于降采样后分析阶段的采样率指标为20 Hz。与既往以演奏者脑电肌电生成新素材或结构指令的做法不同，该工作把听众相位皮肤电作为叠加于固定爵士标准曲与小提琴即兴之上的表情层，保留和声框架与演奏自由。结论适用边界限于单听众、固定曲目与受控监听的探索性演示，尚未验证多人聚合与跨曲风泛化，原文未披露训练、推理或部署成本。

🔗 开源与复现资源

• 第三方资源：https://xferrecords.com/products/serum — 链接不可用（HTTP 404） 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，这篇解读要保留什么？

这篇解读的输入是论文正文与本次收到的官方原图像素，目标是让刚进入语音、音乐与音频领域的研究生能核对关键动作并复述方法。必须保留的信息包括生理指标的选择理由、两台电脑的分工、滤波与归一化参数、乐句对齐的窗口定义、声音映射链路、演出条件与已承认的局限。输出按学习依赖展开，先讲任务与路线，再讲全景与组件，然后讲无训练时的真实计算、实验条件、结果与反证，最后讲复现。

论文实际研究的任务不是做通用的情绪识别或生成作曲，而是做听众中心的生物反馈乐器增强：在现场演出中把听众的皮电生理反应变成可听的音乐层，让演奏者与听众互相感知对方的生理状态。举例来说，如果听众听到小提琴进入高潮时手心出汗增加，系统不应直接把速度推快打乱演奏，而应让伴奏合成器听起来更密、更有驱动感，这就是后文反复出现的间接 pacing 思想。理解这一点后，再看技术选型就不会误以为系统在做节拍跟踪或自动作曲。

此前路线把谁的身体接进了音乐？

要定位这项工作，需要先分清演奏者中心与听众中心两条路线。演奏者中心路线历史更长，论文回顾了用脑电触发打击乐的独奏者作品、 late 1960s 用生物信号操纵电子合成器的实验、把脑电 alpha 活动奏成持续音以揭示内在状态的做法，以及用肌电穿戴设备实时控制采样器与合成器的表演接口。这条路线的共同点是把生理信号当作演奏者意图的延伸，要么是额外的控制器，要么是声音材料本身。

听众中心路线则稀少得多，论文列举了把 4 位观众的皮电奏成音高的舞蹈作品、把心率变异性与皮电活动做成视听舞台元素的舞蹈项目、在装置中同时奏出艺术家呼吸心跳与访客生理的作品。这些先例说明听众生理可以作为舞台与观众之间的互惠通道，但很少被系统地做成音乐表演中的实时音乐控制层。

本文的差异在于明确以音乐认知与心理生理的实证联系为依据，选择相位性皮电作为时刻级投入度指标，并把它映射到节奏切分这一被认为影响感知驱动感的维度，同时保持在固定爵士标准曲框架内做表情性增强，而非生成新材料或强制结构跳转。

为什么不直接改速度和音高？

核心矛盾是音乐连贯性与生理可听性之间的冲突。如果听众兴奋就直接加快全局速度，会破坏演奏者的表情控制与乐句，演出容易散架；如果直接改音高，则容易与和声冲突，听感上像弹错音。论文因此提出间接策略：记谱速度不动，旋律音高不动，只改变单声部主奏合成器线的节奏细分密度。投入度高时一个长音被感知为多个短 articulation，能量感上升。

投入度低时 articulation 稀疏，听感放松。这种设计把生理影响定位为表情性提示而非显式命令，演奏者仍保有诠释空间。另一个隐含问题是生理信号的个体差异与缓慢漂移，若不做听众与场次相关的校准，不同人接上系统会有完全不同的灵敏度，后文的基线校准与指数映射正是为此准备。初学者容易误以为投入度越高声音越大或越快，复述时要强调本文是滤波器截止频率的振荡快慢在变，音量与速度标记本身并未被直接改写。

系统全景：一个样本如何从手心走到喇叭？

先沿着一个听众样本走完全程。听众非利手手指戴上银氯化银电极，皮电被放大器采集后送入第一台电脑。第一台电脑经流式层接收原始信号，依次做强调相位成分的预处理、基于基线的归一化、用乐句对齐滑动窗口求平均，得到平滑的投入度估计，再经开放声音控制协议送到第二台电脑。第二台电脑先与数字音频工作站的走带同步，再经延迟缓冲对齐感知延迟，经可调指数曲线量化为标准 MIDI 控制值，最后经虚拟内部 MIDI 口送入工作站去调制合成器参数。

合成器内部是波表音源接低通滤波器，控制值决定调制截止频率的低频振荡器有多快，从而改变听感上的节奏细分。演奏者在耳机里听到被调制的主奏线，同时用小提琴即兴回应，听众也在耳机里听到自己生理对应的变化，形成闭环。下段导读系统架构图时请按采集处理与声音生成的分界来阅读，不要把两台电脑上的 Python 环境混为一个程序。

系统架构按两台电脑分工，采集处理与声音生成经流式层与声音控制协议衔接，内部 MIDI 只在声音电脑内闭环，该划分是理解延迟与同步的前提。

看图路径： 1. 先沿顶部橙色 PC1 从原始信号经 LSL 到三步处理再经 OSC 向下的主路径走一遍；2. 再看底部紫色 PC2 中延迟缓冲与 MIDI 缩放如何汇入 DAW 的 MIDI 映射；3. 确认两台电脑之间只有 OSC 一条跨机链路，内部 MIDI 只在 PC2 内部闭环

论文图 3。原论文 Figure 3：“System architecture and signal flow of the proposed audience- centered biofeedback system for music performance.”。

该架构图显示上半橙色为第一台电脑，包含原始信号经流式层进入预处理、校准归一化与滑动窗口特征提取，下半紫色为第二台电脑，包含延迟缓冲、MIDI 配置与数值缩放后再经内部 MIDI 进入工作站映射。这种分工的教学意义在于把高采样率因果滤波与低速率音乐映射解耦，前者保证生理时间精度，后者保证音乐时间对齐，复现时应保留两机或至少两进程的逻辑隔离，即使在同一台机器上联调也要保留统一时钟与走带同步。

生理侧如何得到可用的投入度信号？

生理侧的关键判断是只用相位性成分。论文把皮电分为反映基线唤醒的紧张性皮肤电导水平与反映快速刺激诱发变化的相位性皮肤电反应，明确以后者相关活动作为时刻级投入度的索引。选择理由一方面沿用了既往听众中心作品对皮电的使用，另一方面引用了音乐认知证据：较快或加速的 tempo、较大的强度、较亮的音色与更大的皮肤电反应相关，现场音乐会中较快段落一致诱发更高的反应，且该反应跟踪交感唤醒并与自陈投入度相连。

实现上原始流先经因果带通滤波衰减极慢的紧张性漂移与高频噪声，得到相位主导信号，再降采样到适合皮肤电反应动态的速率以降低负载。随后用每次运行开头的基线数据估计最小与最大值，做样本级最小最大归一化到有界区间，以抵抗个体差异并稳定跨进程传输。

最后不是做基于模型的分解或离散事件检测，而是在音乐时间上用固定分析窗求滑动均值，窗口取四小节、步长取三十二分音符，并在高速下钳制到分析网格，以保证控制特征随速度自动缩放并与乐句对齐。

相位性皮肤电反应 × 听众投入度： 相位性皮肤电反应负责提供快速、刺激诱发的交感激活波动，区分于缓慢的基线紧张度；听众投入度负责给出音乐上有意义的解释目标，即此刻是否被音乐抓住。两者搭配的理由是既有音乐认知证据把较快速度、较强响度和较亮音色与升高的皮肤电反应联系起来，组合后新增的作用是让不可见的自主神经波动变成可实时计算、可归一化的音乐控制量。

下表把生理处理链的参数摆在一起，阅读时先问每个参数解决什么可复现问题：采样率决定时间精度，滤波通带决定保留什么成分，降采样决定计算量，基线时长决定归一化 operating range，窗口与步长决定音乐对齐方式。

表后需要同时看到收益与代价。收益是链路每一步都有明确的可执行参数，初学者可以逐项复现而不必猜测分解算法；代价是带通加滑动均值只是相位相关活动的近似，并未真正分离重叠的反应峰，也未报告运动伪影之外的质量门限。若听众大幅移动手指或基线本身漂移，归一化范围可能失配，后文局限中作者也承认归一化是固有挑战。未胜出的替代方案是基于模型的反卷积或离散峰检测，论文明确没有采用，复述时不要把滑动均值说成峰检测。

音乐侧如何把投入度变成可听的节奏密度？

音乐侧先要理解三态设计意图。无听众信号时主奏合成器保持默认的稀疏长音；高投入时同一旋律被感知为密集切分；低投入时则为较持续的手势，但记谱速度始终不变。这种对比说明系统改变的是 articulation 密度而非音符本身的音高序列。下段导读乐谱示例图时请把视线放在主奏行而非演奏者主旋律行，因为只有主奏行是被调制的声部。

乐谱示例用同一速度下主奏行切分密度的三态对比来解释间接 pacing，读图时只比较主奏行的时值变化，不要误读为速度或旋律改写。

看图路径： 1. 对比三行中 Lead Synth Melody 从长音到密集切分再到稀疏切分的变化；2. 确认三行中 Main Melody 保持相同而速度标记均为 150，说明未改速度；3. 观察高投入行切分音符明显变密，低投入行出现较长的保持音

论文图 1。原论文 Figure 1：“Musical design example illustrating three output conditions of the lead synthesizer.”。

该图顶部无信号时主奏行为全音符式长音，中部高投入时同一位置变为密集的短切分，底部低投入时则为较长的二分与四分组合，而三行主旋律与速度标记 150 保持一致。这对应正文所说较高唤醒用较短时值表达、较低唤醒用较持续手势表达，且感知到的节奏密度变化不依赖改速度。复现时应先在工作站里准备好预定和声进行与 MIDI 旋律片段，再验证无信号默认态是否如顶行般稀疏，否则后文映射调试会失去基线。

低频振荡器速率 × 低通滤波器截止频率： 低频振荡器速率负责决定单位时间内开关滤波器的次数，即节奏切分有多密；低通滤波器截止频率负责决定每次开关时高频瞬态被露出还是被遮住，即颗粒感是否可听。搭配理由是不直接改音高和速度也能改变感知的驱动感，组合后新增的作用是把一个连续的长音在听感上切成多个短 articulation，实现平滑连续的节奏密度调制。

合成器实现选择波表合成器 Serum，经 MIDI 映射调制低通滤波器截止频率的速率。随着控制量增大，调制截止频率的振荡加快，周期性地露出与遮蔽定义节奏脉冲的高频瞬态，从而把持续音感知为多个短 articulation。论文强调选择这种合成式方法而不用直接触发音符或调速度，是为了实现投入度状态之间的平滑连续过渡。初学者可用一个教学例子理解：想象手电筒以不同速度扫过百叶窗，光缝开合越快，连续的光就越像一串闪点，但灯本身并未移动位置，这里的振荡速率就是扫动速度，截止频率就是百叶窗开合。

下段导读合成器结构图时请区分音频路与控制路，两路只在截止频率处交汇，这是全文最重要的接线关系。

看图路径： 1. 先看图 a 上路音频源经低通滤波器到输出，下路控制信号经 MIDI 到低频振荡器再指向上路截止频率；2. 再看图 b 中 Serum 界面右侧滤波器模块与下方低频振荡器三角波显示的位置关系；3. 确认控制链终点是振荡频率而非直接改音符开关联

论文图 4。原论文 Figure 4：“(a) Structure of the lead synthesizer used as the sound engine. (b) Screenshot of the Serum wavetable synthesizer (Xfer).”。

该图上半显示音频源经低通滤波器到输出，下半显示皮电经 MIDI 控制信号决定低频振荡器频率，再指向上半滤波器的截止频率，下半界面截图则给出 Serum 中滤波器与振荡器模块的实际位置。这种接线意味着 MIDI 值直接决定的是振荡频率而非音量或音高，复述时必须说清中间表示是频率参数。若把该链路误述为直接改音符触发，就无法解释为何过渡是连续的。

跨机传输与时间对齐如何避免因果倒置？

跨机与时间部分常被初学者跳过，但它是可复现性的关键。第一台电脑的 Python 环境做在线处理，第二台电脑的 Python 环境把生理数据翻译成音乐控制参数，中间经开放声音控制协议传输。进入音乐映射前，系统先监听工作站的走带开始、停止与时钟信息，使内部处理时钟与工作站 tempo 同步，防止时间漂移并保证反馈环与演出同起同止。随后用滑动时间窗做延迟缓冲，暂存归一化相位信号并以固定偏移读取，使当前声音反映的是听众对上一乐句的反应，而非瞬时抖动。

论文把分析窗取四小节、演示中初始延迟取四小节，这种乐句级对齐使控制特征与感知时间尺度一致。映射阶段把 0 点 0 到 1 点 0 的有界信号经可调指数映射到 0 到 127 并量化为 7 比特整数，再封装为指定通道与控制号的 MIDI 信息，经虚拟内部 MIDI 口送入声音引擎。指数小于 1 时提升对小输入的灵敏度，适合波动窄的听众；大于 1 时压低小输入、保留大动态的分辨率，等于 1 时为线性。

归一化控制信号 × MIDI 连续控制器： 归一化控制信号负责消除个体和场次差异，把相位性成分压缩到有界区间以便稳定传输；MIDI 连续控制器负责把有界浮点数变成声音引擎能路由的 7 比特整数语言。搭配理由是生理动态范围因人而异而合成器只认标准 MIDI，组合后新增的作用是经可调指数曲线实现灵敏度适配，让小波动不至于静默、大波动不至于饱和。

延迟缓冲 × 乐句对齐滑动窗口： 乐句对齐滑动窗口负责先把瞬时生理抖动平均成乐句尺度的投入度估计，窗口用小节而不用绝对秒以跟随速度；延迟缓冲负责再把该估计整体后移，使当前声音反映的是听众对上一乐句的反应而非当下噪声。搭配理由是感知和生理都有延迟，立即映射会因果倒置，组合后新增的作用是让反馈在音乐时间上可解释，演奏者能对应到刚演完的乐句。

下表把声音与演出侧的可执行数字集中呈现，阅读时重点核对输入输出区间与演出时间条件是否同时满足。

表后解释收益与边界。收益是指数映射给了处理个体差异的旋钮，窄动态听众不会听起来静止，宽动态听众不会顶满上限；代价是论文未报告本次演示实际使用的 gamma 取值与控制号通道，复现时只能从线性开始试听再调。其次，四小节延迟与 150 速度是本次演示的特定选择，并非普适最优，若换曲目或换速度，窗口的绝对时长会变，必须按小节重新计算。未评测的边界包括多人同时输入时的聚合方式，当前单听众链路不能直接推广为群体平均。

没有训练时，真正的计算是什么？

本研究没有神经网络训练阶段，也没有学习权重更新、梯度路径、损失监督或重置时机的报告，解读时不能把系统描述成训练出来的模型。真实的计算是信号处理加规则映射：因果带通滤波得到相位主导信号，降采样降低负载，基于基线分位数的最小最大归一化得到有界量，乐句对齐滑动平均得到平滑特征，延迟缓冲做时间偏移，可调指数曲线加量化得到 MIDI 整数，最后经滤波器调制得到声音。

所有参数在演出前按固定规则设定，演出中不更新滤波器系数与归一化上下界，论文未说明演出中是否自适应刷新基线，复述时应指出这一缺项而不是假设会自适应。调用的外部能力包括流式层连接器、科学计算库中的 2 阶节滤波实现、开放声音控制传输、虚拟 MIDI 端口、工作站与波表合成器，均属于既有工具的推理式调用而非本研究训练的模型。

初学者容易把无训练等同于确定性求解，这是误解：即使参数冻结，听众生理本身是随机波动的，加上感知延迟与演奏者即兴，同一乐谱每次演出输出都不会完全相同。

演示现场如何布置以保证听见反馈？

演示在现场表演语境下进行，曲目选为爵士标准曲 Fly Me to the Moon，理由是爵士即兴在既定和声节奏规则内允许自发变化，便于演奏者回应听众驱动的主奏线，又不与刚性结构冲突。编制为 1 名小提琴家加 1 名戴皮电传感器的听众，另有预置的主奏合成器 MIDI 片段与伴奏音轨。传感器戴在听众非利手手指以减少运动伪影，先录 30 秒基线做归一化，再验证从第一台电脑到第二台电脑的开放声音控制连接与数据缩放是否正常。

听众与演奏者经各自耳机监听，以实时感知被调制的生理反馈；小提琴经话筒与音频接口进入第二台电脑的工作站，用 Pro Tools 录制，全部音频经有线连接以避免无线抖动。流程上先按演奏者偏好把速度设为 150 并初始化处理脚本，再启动走带同时播放伴奏并开始录制，小提琴即兴约 3 分钟，主奏线在初始四小节延迟后才开始受生理调制，以便生理响应与音乐结构对齐。为事后分析，小提琴音频与 MIDI 自动化同时录在工作站，归一化相位信号另存为表格文件。

采集与回放链路用了哪些可核对的工具？

可核对的工具链包括放大器、流式层、声音控制协议、虚拟 MIDI、工作站与合成器。皮电用 BrainVision actiCHamp 放大器记录，经免费的 BrainVision LSL 连接器以 10000 赫兹送入第一台电脑，同一台电脑运行 Python 在线处理以保证低延迟与统一时间基。第二台电脑的 Python 把控制量转为 MIDI，经虚拟内部 MIDI 口送入声音引擎。主奏音色用 Serum 波表合成器实现，论文引用的官方产品链接在本次核查中返回 404，当前不可用，复现时不应依赖该链接可达，而应按论文描述的波表加低通滤波器加低频振荡器结构在任一等价合成器中重建。

小提琴录制用 Pro Tools，接口为 PreSonus AudioBox iOne。复现清单还应保留走带同步、延迟小节数、指数 gamma、MIDI 通道与控制号、耳机分路监听这五项信息条件，缺任何一项都可能导致听感不一致。论文未报告房间声学、耳机型号与监听增益，复述时应标明这些是未给出的部署细节。

三分钟演示实际跑通了什么？

论文报告的结果是功能性演示而非定量胜负比较，没有准确率、对照基线或显著性检验，因此不能转述为性能提升。直接报告的事实是系统在约 3 分钟即兴中完整跑通：归一化相位信号被连续记录并存档，MIDI 自动化被同时录制，小提琴与合成器在耳机监听下形成可互相听见的环路，演奏者按指示自由即兴回应不断变化的合成器。下段导读演示信号图时先确认时间范围与纵轴含义，再看 MIDI 侧的起伏是否被放大，不要把自动化曲线的上下直接读成演奏好坏。

演示信号图给出全曲归一化生理漂移与初始段 MIDI 自动化的对应关系，读图时先分清慢漂的生理曲线与经映射放大的自动化曲线。

看图路径： 1. 先看图 a 横轴时间为秒、纵轴为归一化相位性信号在 0 点 2 到 0 点 4 附近的平缓漂移；2. 再看图 b 上半钢琴卷帘与下半黄色自动化曲线的上下对应关系；3. 注意下半曲线起伏幅度远大于上半生理曲线的相对变化，提示经过了指数映射放大

论文图 5。原论文 Figure 5：“Real-time audience physiology–derived control signals during the system demonstration.”。

该图上半横轴为秒、纵轴为归一化相位性信号，可见全曲在 0 点 3 附近小幅波动而无剧烈峰值；下半为工作站视图，上半钢琴卷帘为音符分布，下半黄色曲线为映射到振荡器的 MIDI 自动化，可见明显的起伏与回落。这种差异支持论文关于指数映射可扩展微小波动的说法，但也提示不能把下半曲线的峰谷直接当成听众投入度的原始峰谷，它已经过归一化、滑动平均、延迟与指数放大的多步变换。支持的判断仅限于闭环可运行且听得见，论文未测量听众自陈投入度、演奏者偏好或第三方听感评价，因此不能声称投入度被增强或音乐质量被提高。

Lab Streaming Layer × Open Sound Control： Lab Streaming Layer 负责在采集电脑一侧统一时间基、低延迟地把高采样率皮电送进处理流水线；Open Sound Control 负责把处理后降采样、归一化的慢速控制特征送到声音生成电脑。搭配理由是生理侧需要高时间精度而音乐侧需要与乐句对齐的低速率控制，组合后新增的作用是用两台电脑分工隔离高负载采集滤波与实时声音合成，避免互相阻塞。

哪些对照没有做，哪些失败条件已被预见？

严格意义上的消融实验在本文不存在，没有拿掉滤波、归一化、延迟或指数映射后的对比数据，因此不能补写拿掉后必然怎样。但可以用论文明确提及的设计取舍做反证式阅读。直接改速度与直接触发音符被作者主动放弃，理由是前者破坏演奏控制与乐句，后者难以平滑过渡，这构成一组定性对照：本文选择滤波器振荡间接 pacing，代价是听众可能不易察觉变化来源，需要耳机监听与事前说明才能建立归因。

基于模型的反卷积与离散事件检测也被明确放弃，代价是滑动均值对重叠峰的分辨力有限，在高唤醒段可能低估快速连发反应。指数映射的不同曲率在原理上可调，但论文未报告不同 gamma 下的听感对比，复现者应把线性作为起点，分别向小于 1 与大于 1 方向试听，并记录窄动态与宽动态听众的不同饱和点。

失败条件方面，基线失配、手指移动、电极接触不良、跨机传输抖动、走带失同步都会让反馈错位，论文虽未量化误判率与延迟，但给出了佩戴非利手、有线连接、走带同步这些工程防范，复述时应把它们当作必须执行的检查项。

作者承认了哪些边界，后续要补什么验证？

论文在结尾集中承认了多项局限，复述时应逐项保留而不淡化。第一是归一化的个体差异挑战，显著的生理变异会影响映射到音乐元素的一致性与鲁棒性。第二是规模局限，本次仅为单听众的探索性案例，需要更大规模评估才能验证跨群体的有效性。第三是音乐作用局限，当前只在固定曲式内调制表情参数，而非改变作品结构演化的共享作曲代理。第四是流程负担，演出前需要校准期以建立个体基线，可能打断音乐会流程。

第五是指标效度仍需检验，皮肤电反应相关活动是否可靠反映时刻级音乐反应还有待进一步研究。后续方向包括整合群体生物信号、探索更具生成性的映射以赋予听众更具形成性的作曲角色、引入心率变异性、呼吸或脑电以更全面表征投入度，以及开展受控用户研究评估对演奏者与听众投入度的影响与对现场互动的作用。这些都应以可能或待验证的语气表达，不能写成已证实的改进路线。

复现先做什么，需要哪些超参数与信息条件？

复现应按信号、时间、声音 3 段分步验证，每步都有可听或可见的通过标准。第一步重建生理链：用任一皮电设备按非利手佩戴，先采 30 秒安静基线，跑通 4 阶带通 0 点 01 到 3 点 0 赫兹因果滤波与 20 赫兹分析速率，检查输出是否为相位主导的平滑慢波，再做分位数最小最大归一化到 0 到 1。

第二步重建时间链：设定速度后按四小节窗与三十二分音符步长求滑动均值，高速下钳制到分析网格，再加四小节延迟缓冲，用走带同步保证与伴奏同起止，可先用正弦模拟信号代替真人验证延迟是否等于预期小节数。第三步重建声音链：准备固定和声与 MIDI 旋律，用等价波表合成器搭建音源接低通滤波器，把 0 到 1 经指数映射到 0 到 127 并量化，用低频振荡器调制截止频率，从线性开始试听再调灵敏度。

关键超参数与信息条件包括滤波通带、降采样率、基线时长与分位数、窗口与步长的音乐单位、延迟小节数、速度、指数值、MIDI 通道与控制号。代码与权重方面论文未声明开源仓库，合成器官方链接本次不可用，工作站工程也未公开，因此复现只能按描述重建而不能期待一键运行。验证补项至少包括多人基线稳定性、不同速度下的窗口换算、不同 gamma 下的饱和点记录，以及演奏者能否在盲听下分辨高低投入两种状态。

何时值得尝试这个思路，如何一句话记住它？

当演出目标是让听众从被动接收变为可被听见的参与者，且演奏者愿意在固定曲式内留出表情弹性时，这个思路值得尝试；当目标是精确作曲、竞技性评价或大群体同步时，当前单听众、表情性调制的形态还不适用。一句话记住：用相位性皮电的慢速滑动均值驱动滤波器振荡的快慢，在不改速度与音高的前提下让投入度听起来像节奏密度。

初学者复述全程可用五句：手指皮电经带通与归一化变成 0 到 1，乐句窗口平均并延迟四小节，指数映射到 MIDI 后调制振荡速率，振荡调制截止频率产生切分听感，小提琴听见后即兴回应形成闭环。常见误解有三：把滑动均值当峰检测，把自动化曲线当原始生理，把无训练当输出确定性，纠正后才能准确评价这项工作的贡献在于把心理生理与音乐认知的实证联系翻译成实时可演的交互系统，并为后续群体整合与生成性映射留下可扩展的基座。

📐 原文公式与排版

以下展示论文原页中的数学表达区域，保留原始上下标、分式和符号排版。区域序号仅用于本文导航，不是论文公式编号。

区域 1 · 查看论文原页

另有 1 个候选区域因边界不明确或图片数量、尺寸限制未展开；请查看完整论文中的原始排版。

⚖️ 评分明细

评分属于系统判断，不是论文实验结果；八维数值与总分见页首，原始审计记录保留在后端。

• 评分规则：type-aware-v1
• 评分模型：muse-spark-1.3-contributor
• 评分请求协议：openai_responses

← 返回 icmc-2026 论文汇总