载波也是控制量：参量阵列声场分区从只调边带到交替调载波

英文题目：Carrier-Aware Sound Zone Control for Parametric Array Loudspeakers

会议身份：conference:interspeech:2026:conference-paper-id:li26da_interspeech

来源为官方会议 PDF；图片依据原页像素，表格数字依据原文引用。PDF 文字层不视为原始 TeX，未可靠恢复的结构不作推断。

会议来源：官方记录 · 官方 PDF

标签：#波束成形 #多通道 #空间音频信号 #空间音频渲染

评分：6.7/10 | 创新 1.5/2 | 技术严谨 1.2/1.5 | 实验充分 0.9/1.5 | 清晰度 0.8/1 | 影响力 1.0/1.5 | 开源 0.0/1.5 | 可复现 0.3/0.5 | 工程/实践 1.0/1.5

排名：前50% | 文档类型：方法研究

👥 作者与机构

• Mengtong Li：机构信息未能从会议 PDF 纯文本可靠映射
• Tao Zhuang：机构信息未能从会议 PDF 纯文本可靠映射
• Yu Sun：机构信息未能从会议 PDF 纯文本可靠映射
• Shaozhe Li：机构信息未能从会议 PDF 纯文本可靠映射
• Xuxiang Wu：机构信息未能从会议 PDF 纯文本可靠映射
• Jia-Xin Zhong：机构信息未能从会议 PDF 纯文本可靠映射
• Jing Lu：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

参量阵列扬声器需在共享空间输出明区期望音频并抑制暗区泄漏，输入为各通道载波与边带激励，输出为可听声场明暗分布，其难点在于音频经载波边带非线性自解调产生且跨通道耦合使线性叠加失效。本文提出载波感知声区控制，将载波作为与边带并列的主动控制变量并采用有限步交替重线性化优化声对比度控制权重。第一步在全1载波背景下测量边带条件传递函数并求解声对比度控制得到边带权重，其输出作为固定边带进入载波优化。第二步固定边带测量载波条件传递函数并经共轭映射求解载波权重，第三步在新载波背景下重测边带函数完成边带重对准以适配宽带。与固定载波的边带控制相比，该机制使载波与边带声压空间乘积决定的虚拟源密度对准成为可能，从而同时提升对比度与解调效率。在500 Hz至4000 Hz白噪声宽带场景下，载波感知ACC的总声对比度指标为23.6 dB，高于边带控制的总声对比度指标12.4 dB。该结论目前仅在正面双耳点簇加后方线阵的个人音频布局与消声环境验证，混响室内与多内容多明区外推尚未验证。原文未披露训练、推理或部署成本。

🔗 开源与复现资源

本次未形成可展示的已核验资源记录，开放状态尚未核实。 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，为什么线性方法直接搬过来会失效？

本文输入是多通道参量阵列扬声器阵列的超声激励，输出是在同一房间内同时形成的可听声亮区与暗区。目标读者需要先建立的图像是，参量阵列并不直接发出可听声，它发出的是 40 kHz 附近的超声载波加上携带音频的上边带，空气的非线性让两者相乘自解调，才在传播路径上形成可听声。这种方式的优点是波束很窄、体积可以很小，适合做个人音频与空间音频，但代价是声场不再是各通道独立贡献的线性叠加。

沿一个样本走一遍有助于理解依赖关系。假设要在 1 kHz 处让听者耳朵位置响、后方位置静，系统给每个通道施加复权重，通道发出载波加边带。空气中第 i 通道载波与第 j 通道边带都会交叉作用，论文把总可听声写作所有通道对贡献之和，其中既有每个通道自己内部的自作用，也有不同通道之间的互作用。正因为存在跨通道互作用，固定只调边带时，未被控制的载波仍以近似直射波束向前传播，与已转向亮区的边带在空间上失配，虚拟源密度正比于两者声压的空间乘积，失配既降低亮区解调效率，也让暗区难以抵消。

自作用 × 互作用： 自作用指同一通道自己的载波与边带非线性作用产生的可听声分量，互作用指不同通道之间载波与边带交叉作用产生的分量。传统电动扬声器阵列只有通道响应的直接叠加，而参量阵列必须把所有通道对的自作用与互作用求和，二者共同解释了为什么不能直接套用线性声区控制，也解释了为什么论文要用全阵列背景场来测量等效传递函数。

传统电动扬声器阵列的声区控制假设总声压等于传递函数矩阵乘以权重向量，亮区与暗区各有一组控制点，做法是优化权重即可。本文要保留的信息是，这种线性框架对参量阵列不直接成立，论文也不是去训练神经网络，而是通过测量条件等效传递函数把非线性问题分阶段线性化，再套用线性求解器。后续所有方法与实验都围绕载波是否参与控制这一新增自由度展开。

同输入同目标的前人路线如何处理通道间耦合？

在相同输入与相同目标下，前人至少有两条可运行路线。第一条是逐对建模通道间非线性作用，用成对传递函数矩阵刻画任意 2 通道的耦合，原理上准确，但需要标定所有通道对，阵列变大时测量与计算成本迅速上升。第二条是引入有效传递函数的线性化思想，测某通道时让其余通道同时发纯载波作为背景，从而把该通道边带与全阵列载波的耦合封装进等效传递函数，不同通道的等效函数可以直接叠加，进而复用传统线性声区算法。

论文明确把第二条路线作为起点，并指出其局限在于载波被固定为不可优化的背景。在参量系统中，载波主导着非线性解调过程，固定它等于主动放弃一半控制自由度，可能同时损害分区性能与解调效率。本文的增量正是把载波显式变为控制变量，并利用调制结构的对称性构造互补的载波条件线性化。本文没有声称前人方法无效，而是在相同声对比度控制求解器下比较仅调边带与同时调载波，因此对照条件是公平的。

需要提醒初学者的边界是，本文不属于用深度学习学传递函数的路线，也不属于只做单通道波束成形的路线。它的运行阶段是先测量后优化再回放，没有训练集划分与泛化测试，验证依赖仿真加消声室实测的声压分布与对比度曲线。

要解决的具体问题与功率约束是什么？

具体问题可以表述为，在给定参量阵列硬件与控制点布置下，求解边带权重向量 w 与载波权重向量 q，使可听声亮区能量高、暗区能量低，且发射功率约束相同以保证公平。论文以声对比度控制作为概念验证，目标函数是亮区 2 次型与暗区 2 次型加正则项之比，最优解是矩阵对的最大广义特征向量。正则因子用于改善鲁棒性，原文记为正数，但具体取值在所给证据中未报告，这是复现时需要补记的缺项。

问题的难点在于目标函数中的传递矩阵本身依赖于另一方的权重。边带算子依赖于载波权重，载波算子依赖于边带权重，因此不能 1 次求出全局最优的 w 与 q。论文采取有限阶段交替重线性化与优化，而不是迭代到收敛，理由是每阶段都要完整重测 1 次传递函数，实验与时间成本很高。这种务实选择意味着结果验证的是载波优化的主要收益，而非交替算法的渐近收敛性。

公平比较的约束在宽带实验中写得很清楚，两策略的功率约束保持相同。初学者容易误以为声对比度越高一定越好，实际上若亮区绝对声压太低，高对比度也没有使用价值，因此论文同时报告亮区声压级与对比度，两者方向都是越高越好，暗区声压级则是越低越好。

载波感知框架的全景：三阶段如何串起来？

方法全景可以按 3 阶段记忆。第 1 阶段给定初始载波全 1 向量，测量边带条件传递函数并用标准声区算法优化边带权重。第二阶段固定已优化的边带权重，重新测量载波条件传递函数，再用同样声区形式优化载波权重。第 3 阶段因为载波是单频而边带是宽带，载波优化只针对特定音频频率完成，为让边带与新的载波背景匹配，再用更新后的边带条件矩阵重优化 1 次边带权重。最终同时得到 w 与 q 用于联合控制。

声区控制 × 声对比度控制： 声区控制是总目标，即在同一空间内造出希望有声的亮区和希望安静的暗区；声对比度控制是本文选用的具体实现路线，其目标是最大化亮区能量与暗区能量之比。本文先讲声区控制的线性叠加假设，再把声对比度控制的广义特征值求解套用到参量阵列的等效线性传递矩阵上，因此后文所有载波感知改进都是在声对比度控制这一可替换求解器上验证的。

下图是理解该流程的关键，它把耦合产生、两种条件线性化与最终联合控制放在同一视图中，读图时应先分清背景场与待求量的角色互换。

看图路径： 1. 先看面板 a 中第 i 与第 j 通道的载波箭头与边带箭头如何交叉形成耦合分量再求和为可听声；2. 再对比面板 b 固定载波测 Gs 与面板 c 固定边带测 Gc 时背景场颜色与待求权重的对应关系；3. 最后看面板 d 中载波权重 q 与边带权重 w 如何同时指向阵列并分别形成亮区与暗区

论文图 1。原论文 Figure 1：“Conceptual workflow of carrier-aware SZC for PAL arrays.”。

该图面板 a 展示第 i 与第 j 通道的载波与边带如何交叉形成耦合分量并求和为总可听声，说明非线性来源。面板 b 展示测边带条件传递函数时待测通道发全调制信号、其余通道发纯载波背景，箭头指向待求的边带权重。面板 c 展示互补配置，待测通道仍发全调制信号、其余通道改发边带背景，箭头指向待求的载波权重。面板 d 展示最终同时施加载波权重与边带权重，在亮区聚集能量并在暗区形成抑制。图中背景场的颜色深浅对应超声能量分布，待求量标注在阵列左侧，阅读时不要把背景场误认为最终可听声场。

两种条件传递函数如何测量，载波权重如何从音频权重换算？

边带条件传递函数的测量动作是具体可复述的。逐通道轮流让被测通道发射载波加边带的全调制信号，其余通道同时发射未调制纯载波，用传声器在亮区与暗区控制点记录解调出的音频声压，除以激励即可得到该通道的等效行向量，拼成矩阵后总声场近似为矩阵乘以边带权重。这种做法把被测边带与全阵列载波的耦合 1 次性封装，环境反射也被自然包含，因此理论上适用于任意声环境。

载波 × 边带： 载波是 40 kHz 附近的超声单频分量，负责提供非线性自解调所需的背景场，其空间分布决定虚拟声源在哪里最容易产生可听声；边带是携带音频信息的上边带分量，负责把语音或音乐内容编码进超声。二者必须相乘才能解调出可听声，论文正是利用这种对称相乘关系，把固定载波变为可优化权重 q，把边带权重 w 与载波权重 q 交替线性化求解，从而同时对齐两者分布以提高亮区效率并压低暗区泄漏。

载波条件传递函数的构造利用了上下边带调制的对称改写。原文把音频取为余弦、希尔伯特变换取为正弦后，把发射信号改写为边带频率上的载波加正交分量，揭示载波与边带角色可互换。测量时被测通道仍发全调制信号，其余通道改发边带信号，同样在控制点记录音频声压得到等效矩阵，用声对比度求解得到中间权重，再通过共轭映射得到真实载波权重。具体而言，若中间权重为幅度乘以相位因子，对应音频为同幅度同相位的余弦，代入改写式后载波权重表现为同幅度反相位，即两者互为共轭。

边带条件传递函数 × 载波条件传递函数： 边带条件传递函数 Gs(q) 是在载波权重 q 固定为背景时测得的等效线性算子，描述边带权重 w 如何线性地产生可听声；载波条件传递函数 Gc(w) 是反过来把边带权重 w 固定为背景时测得的算子，描述载波权重 q 如何线性地产生可听声。两者分工互补，搭配理由是超声载波与边带在调制结构上对称，固定一方则另一方近似线性，组合意义是让同一套线性声对比度求解器可以在两个阶段轮流使用，实现交替重线性化优化。

初学者需要记住的计算目标是，两种矩阵测的都是可听声，不是超声本身。优化出的权重直接作用于音频信号，只是在载波阶段需要 1 次共轭换算才能落到超声载波上。原文未给出梯度路径与神经网络训练细节，因为本方法没有可训练网络，求解是广义特征值问题，不存在反向传播与停止梯度。

没有神经网络训练时，真实计算过程是什么？

本研究没有训练神经网络模型的阶段，因此不存在训练集、验证集、损失曲线、优化器步数与冻结主干等概念。真实计算过程分为仿真计算与测量加优化两类。仿真采用 k 空间方法处理多通道参量阵列的非线性解调与通道间耦合，解决高效准确仿真问题，仿真细节在所给证据中未展开为可复现的网格与步长，这是缺项。实测计算是逐阶段测传递函数矩阵，构造亮区与暗区协方差矩阵并求解最大广义特征向量，宽带时把最优权重的逆离散傅里叶变换加窗得到时域控制滤波器，用白噪声作为音频信号回放验证。

参数更新与冻结关系需要按证据表述。第 1 阶段载波权重固定为全 1，边带权重更新；第二阶段边带权重冻结为已优化值，载波权重更新；第 3 阶段载波权重冻结，边带权重再次更新。监督来源不是人工标注，而是传声器在控制点测得的声压。

重置时机是每次切换优化对象时必须重测对应条件矩阵，不能复用上 1 阶段矩阵。原文未报告正则因子取值、逆傅里叶点数与窗类型，复现时应先按常规声对比度实现补齐并记录，否则无法逐数复现。

不能把无训练等同于确定性求解。即使求解器是确定性特征值分解，测量噪声、环境反射、换能器不一致与摆位误差都会让每次测得的矩阵不同，从而让最终声场有波动。同样，不能从参数冻结推定系统输出确定，冻结的只是上 1 阶段权重，声场仍受另一方权重与非线性乘积影响。

阵列、控制点与测量条件如何布置？

仿真与实验采用同一阵列配置。阵列由 24 列组成，每列有 24 个圆形换能器，单元半径与列间距在原文中有明确数值，对称控制点分布对应对称通道设计，即关于中心轴对称的两列配对为一个通道。超声载波频率为 40 kHz，载波优化阶段在 1 kHz 音频频率上执行。单频点验证覆盖 500 Hz、1 kHz、2 kHz 与 4 kHz，宽带验证覆盖 500 Hz 到 4 kHz 并用白噪声作为音频信号。声场扫描平面为 2 米乘 1 米，步进电机带动传声器以 3 厘米分辨率扫描，实验在消声室中进行，传声器罩薄塑料膜以抑制伪声。

控制点布置模拟个人音频场景。亮区为两簇各 9 点，分别 centered 在横向 0.5 米、纵向正负 0.1 米处，3 乘 3 网格间隔 1 厘米，对应阵列前方听者双耳区域。暗区为 25 点沿直线均匀分布，间隔 1 厘米， centered 在横向 1.5 米、纵向 0 处，总长 24 厘米，对应后方需要抑制的区域。仿真与实测的声压分布图中共用该布置，红色标记为亮区，蓝色标记为暗区。

下表把阵列与控制点等复现关键条件整理为可核对形式，阅读时注意单位与聚合对象，裸数值不擅自添加单位，频率与尺寸各自保留原文写法。

上述整理表的目的是让复现者 1 次核对通道数、点数、尺寸与频率，避免把仿真网格误认为控制点。若需逐字核对数值与单位，可回到绑定原句中的连续表述，重点确认点数、间距、列数、半径与频率是否与实现一致。未报告的正则因子与窗函数仍需在复现记录中单独注明为自选。

宽带与单频实验的协议差异与公平条件是什么？

单频实验用于展示声场形态，宽带实验用于量化实际听感相关的总量。单频协议是在 500 Hz、1 kHz、2 kHz 与 4 kHz 逐点优化权重并扫描声场，载波优化阶段固定在 1 kHz 执行，因此 1 kHz 处的载波与边带最匹配，其余频率可视为载波失配下的泛化测试。宽带协议是用白噪声作为音频信号，时域控制滤波器由最优权重的逆离散傅里叶变换加窗得到，再回放测量亮区与暗区响应。

公平条件的关键是功率约束相同。原文明确两策略功率约束保持相同，因此 7.0 dB 亮区提升不能解释为单纯加大发射功率，而是相同功率下解调效率提高。另一公平点是控制点、阵列硬件、扫描分辨率与消声室环境相同，差异仅在于载波是否参与优化。

下表把协议要素整理为可执行核查单，便于按图索骥复现测量流程。

表后需要说明代价与反例。代价是 3 阶段流程需要多次重测传递函数，宽带滤波器加窗会引入额外失真，原文未报告窗类型与长度，复现结果可能有零点几分贝波动。反例是宽带曲线在 1 kHz 附近出现窄凹陷，说明单频载波优化并非对所有频率最优，若把载波优化频率换到其他频点，总量可能变化，这正是未评测的边界。

主结果：在相同功率下对比度与亮区响度各提升多少？

比较问题是，在功率约束相同的条件下，载波感知控制相对仅边带控制，能否同时提高宽带声对比度与亮区声压级。公平条件是两策略功率约束保持相同，宽带滤波器均由最优权重的逆离散傅里叶变换加窗得到，激励均为白噪声，评价频段为 500 Hz 到 4 kHz。指标方向是声对比度越高越好，亮区声压级越高越好，暗区声压级越低越好。

下图展示仿真与实测的可听声声压分布，行方向区分方法与虚实，列方向区分频率，是判断分区效果最直接的证据。

看图路径： 1. 先按行区分仿真 a 与 b 和实测 c 与 d，再按列对照 500 Hz 到 4 kHz 四个频率；2. 观察每幅图中 x 等于 0.5 米处红色亮点与 x 等于 1.5 米处蓝色暗线位置的颜色深浅；3. 比较上下两行在暗区蓝色低声压凹陷的宽度与亮区暖色聚集程度的差异

论文图 2。原论文 Figure 2：“Simulated (a,b) and measured (c,d) audio SPL distributions.”。

从像素可见，第一行与第三行仅边带控制在亮区红色标记附近虽有暖色聚集，但向暗区蓝色竖线方向仍有暖色泄漏，高频列这种泄漏更明显。第二行与第四行载波感知控制在暗区形成更宽更深的蓝色低声压凹陷，同时亮区暖色更集中。仿真行纹理干净，实测行带有斑点与条纹，说明实测存在系统误差与反射，但改进趋势在虚实之间一致，支持方法对实际误差具有一定鲁棒性。

下图展示宽带频率响应，上方面板为亮区与暗区声压级随频率变化，下方面板为声对比度随频率变化，是量化主结果的依据。

看图路径： 1. 先看上方面板中红色实线与暗红色虚线的亮区声压级随频率的变化与间距；2. 再看同一面板中浅蓝实线与深蓝虚线的暗区声压级哪条更低更平稳；3. 最后看下面板中黄色实线与棕色虚线的声对比度曲线在全频段的开口大小

论文图 5。原论文 Figure 5：“Broadband performance of two strategies. BZ and DZ in the legend denote the responses of the Bright Zone and the Dark Zone, respectively.”。

从像素可见，上方面板红色实线载波感知亮区始终位于暗红色虚线仅边带亮区之上，浅蓝实线载波感知暗区大多低于深蓝虚线仅边带暗区且波动更小。下面板黄色实线载波感知对比度在全频段明显高于棕色虚线仅边带对比度，后者在高频段跌落到 10 dB 附近。原文直接报告的总量是，仅边带与载波感知的总声对比度分别为 12.4 dB 与 23.6 dB，亮区总声压级提升为 7.0 dB。

为避免把不同指标混淆，下表按指标分别列出基线、改进后与差值，差值仅为原文报告的直接相减，不引入新的聚合口径。

该表之后需要明确收益与代价。主要收益是对比度与响度同时提升，而不是以压低整体响度换取隔离。代价是载波优化只在 1 kHz 完成，宽带滤波器是事后加窗得到，总体趋势成立不等于每个频点提升量相同，图中在 1 kHz 附近可见窄凹陷，说明单频优化与宽带回放之间存在失配。未胜出项是仅边带控制在暗区高频抑制不足，它并非完全失效，在亮区转向方面仍有作用，只是受未控载波限制。

仿真与实测一致吗，哪些细节只在实测中出现？

论文特有的第二类细节是仿真与实测的纹理差异。仿真声场边缘干净、对称性好，暗区凹陷边界锐利。实测声场在远离阵列区域出现条纹与斑点，高频实测尤为明显，这与换能器一致性、摆位误差、塑料膜影响与残余反射有关。尽管如此，载波感知在实测中仍扩大了暗区蓝色低声压区域，并在亮区保持暖色聚集，说明改进不是仿真假象。

另一特有细节是超声实测的动态范围。仿真载波中心可达 125 dB 量级，实测受传声器与放大链限制呈现不同量程，比较时应看相对形态而非绝对值。初学者容易把超声声压级直接当作可听声响度，这是误解，超声本身听不见，只有两者乘积解调出的音频才可听。

解调效率 × 声对比度： 解调效率指给定超声发射功率下在亮区实际得到的可听声声压级高低，反映载波与边带空间乘积是否对齐；声对比度指亮区能量与暗区能量之比，反映分区隔离程度。只控边带时两者被牵制，载波波束直指前方导致暗区泄漏且乘积失配；同时控制载波后，载波分布向边带对齐，因此论文能同时报告亮区声压级上升与对比度上升，而不是以牺牲响度换隔离。

重提结果时需要增加适用条件。当前验证的亮区在 0.5 米近场、暗区在 1.5 米远场直线上，若把暗区移到侧向或把亮区拉远，载波与边带的对齐难度会变化，结论是否成立待验证。原文也未测量语音可懂度与主观听感，声对比度高不等于音质好，复现时应补充失真与频响评价。

机制反证：超声载波与边带分布如何解释可听声改进？

要回答的机制问题是，可听声对比度提升是否真正来自载波与边带的空间对齐，而非测量偶然。论文用 1 kHz 对应的超声场分布作为反证，分别展示载波 40 kHz 与边带 41 kHz 在两种策略下的仿真与实测。若仅边带被优化，边带能量应转向亮区并在暗区形成凹陷，而载波仍应保持近似直射波束。若载波也被优化，载波分布应从直射变为与边带相似的分叉形态，两者乘积在亮区增强、在暗区相消。

下图正是该机制的直接像素证据，阅读时先分清仿真与实测列，再分清载波行与边带行。

看图路径： 1. 先区分左侧仿真列与右侧实测列，再区分载波 40 kHz 行与边带 41 kHz 行；2. 观察仅边带控制时载波行为直波束形态与边带已出现暗区凹陷的不匹配；3. 对比载波感知控制后载波与边带分布是否都出现分叉并共同避开暗区方向

论文图 4。原论文 Figure 4：“Simulated and measured ultrasound SPL distribu- tions.”。

从像素可见，仿真第一行载波在仅边带控制下呈中间暖色直梁向前延伸，两侧为蓝色背景，说明载波未被控制。第二行边带已出现向两侧分叉并在中间暗区方向形成蓝色凹陷，说明边带优化已起作用，但与第一行载波失配。第三行与第四行载波感知控制下，载波与边带都呈现分叉形态，中间暗区方向均为低声压，亮区方向均为暖色聚集，说明两者已对齐。右侧实测列纹理更碎，但直梁与分叉的相对关系仍然可辨，支持仿真结论。

该反证的限制是，它只展示 1 kHz 对应的超声场，不能推广到全频段。载波本身是单频，边带随音频频率变化，1 kHz 处对齐最好并不保证 500 Hz 与 4 kHz 处同样对齐。宽带对比度曲线全程占优支持了泛化，但严格的逐频超声对齐证据在所给材料中未完整提供，这是复现时可补测的第二组对照。

还有哪些未验证、未报告与不能承诺的事项？

首先是资源状态。所给证据中没有发现来源绑定且完成超文本传输安全协议状态验证的资源，不得声称代码、模型或数据已公开。复现只能依据正文描述自行实现声对比度求解与测量流程，不能依赖下载链接。

其次是未报告参数。正则因子取值、逆离散傅里叶变换点数、窗类型与长度、传声器校准曲线、放大器增益与发射电压均未在所给证据中给出，这些都会影响绝对声压级，只能比较相对提升。统计方法也未报告，曲线是否多次平均、误差棒多大均未知，因此不能把 11.2 dB 与 7.0 dB 理解为带有置信区间的估计，只能作为本次报告值。

再次是未测量量。延迟、实时计算开销、功耗、多听者移动鲁棒性、室内强反射下的性能均未测量，不能承诺这些量得到改善。训练资源与推理帧率不适用于本论文，输出帧率与实际延迟应区分为离线优化时间与在线回放延迟，前者主要花在重测传递函数，后者取决于时域滤波器长度，但原文均未量化。

最后是方法边界。交替过程原则上可重复，但本文只做有限 3 阶段且载波优化只在 1 kHz 完成，未证明收敛到全局最优，也未测试把载波优化放在多个频率或宽带联合优化的效果。环境反射被封装在实测矩阵中，理论上适用于室内，但本文实测仅在消声室完成，室内验证属于可能但待验证的推测。

复现先做什么，需要准备哪些可核对步骤？

复现应先做最小可运行闭环，而不是 1 次搭建全宽带系统。第一步按原文搭建对称通道阵列与控制点，用全 1 载波测边带条件矩阵并求解仅边带声对比度，作为基线。第二步冻结边带权重，切换背景为边带信号，重测载波条件矩阵并求解载波权重，记得做共轭映射。第三步用新载波背景重测边带条件矩阵并重优化边带，得到联合控制。第四步在 1 kHz 处扫描可听声与超声分布，确认载波从直梁变为分叉且暗区出现凹陷，再扩展到其他单频与宽带白噪声。

关键超参数与信息条件需要逐项记录。载波频率 40 kHz、载波优化音频 1 kHz、控制点坐标与间距、扫描平面与分辨率、功率约束相同是必须保留的条件。正则因子、窗函数、激励幅度应作为自选参数记录，多次测量取平均以观察波动。传声器加薄膜抑制伪声的步骤不可省略，否则超声泄漏会污染可听声读数。

何时值得尝试该方法很明确。当系统已受载波直射限制、仅调边带无法压住暗区，或亮区响度不足但又不能增加功率时，载波感知值得尝试。当阵列通道很少、测量时间极紧，或应用要求宽带内每频点都最优时，应谨慎评估重测成本与单频载波失配，必要时补充多频载波优化验证。

收束：记住哪条因果链，忘掉哪些误解？

记住的因果链是，参量阵列的可听声正比于载波与边带声压的空间乘积，只控边带会让两者失配，交替控制载波让两者对齐，因此在相同功率下同时提升对比度与亮区响度。支撑该链条的直接证据是超声分布从直梁变为分叉，以及宽带总量 11.2 dB 对比度提升与 7.0 dB 亮区提升。有限解释是该对齐在 1 kHz 处最充分，宽带全程占优支持泛化，但逐频对齐证据尚不完整。

需要忘掉的误解包括，把超声声压级当作响度，把声对比度高直接等同于音质好，把无训练等同于每次测量结果完全一致，以及把消声室结论直接推广到强反射客厅。本文未训练网络、未公开代码资源、未测量延迟与主观听感，这些缺失不是技术错误，而是在复现与选型时必须补齐的验证项。

对刚入门的研究生而言，可复述的方法是 3 阶段交替重线性化，可核对的数字是控制点、阵列尺寸、频率与总量提升，可补做的实验是多频载波优化、室内验证与失真评价。掌握这些后，再去阅读有效传递函数与 k 空间仿真的原文，才能把载波感知放在正确的依赖顺序中理解。

⚖️ 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 interspeech-2026 论文汇总