移动声源下方向选择固定滤波为何慢一拍：用卷积循环网络提前选滤波

英文题目：Predictive Directional Selective Fixed-Filter Active Noise Control for Moving Sources via a Convolutional Recurrent Neural Network

会议身份：conference:interspeech:2026:conference-paper-id:wang26e_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：#RNN #麦克风阵列 #主动降噪 #声源追踪

评分：6.9/10 | 创新 1.2/2 | 技术严谨 1.2/1.5 | 实验充分 0.9/1.5 | 清晰度 0.7/1 | 影响力 0.8/1.5 | 开源 1.0/1.5 | 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

• Boxiang Wang：机构信息未能从会议 PDF 纯文本可靠映射
• Zhengding Luo：机构信息未能从会议 PDF 纯文本可靠映射
• Dongyuan Shi：机构信息未能从会议 PDF 纯文本可靠映射
• Junwei Ji：机构信息未能从会议 PDF 纯文本可靠映射
• Xiruo Su：机构信息未能从会议 PDF 纯文本可靠映射
• Woon-Seng Gan：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

主动噪声控制在处理移动声源时面临声源波达方向快速变化与固定滤波器切换滞后的矛盾，输入为多通道参考信号，输出为误差点处的反噪声抵消信号。所提预测性定向选择固定滤波器先用短时傅里叶变换将连续多帧幅度与相位谱堆叠为时频张量，再由卷积模块提取空间特征并经门控循环单元建模帧间轨迹演化。网络输出下一帧波达方向类别概率并取最大概率索引，从预训练滤波器库中提前选取对应控制滤波器，实时控制器以采样率执行滤波，协处理器以帧率并行完成预测与预选，从而消除切换延迟。相比仅响应当前帧的方向性选择方法与需要误差反馈收敛的自适应方法，该预测机制将轨迹建模与滤波器选择解耦。在R'1测试集条件下，CRNN在20 dB信噪比时的分类准确率为90.3%，高于10 dB信噪比时的分类准确率87.9%。该结论仅适用于单声源远场水平面移动仿真，未验证多声源、近场与真实硬件延迟。模型约含0.05百万参数，单次推理约需480.08百万乘加操作，适合部署于手机类协处理器。

🔗 开源与复现资源

• 代码相关资源：https://github.com/Wang-Boxiang/PD-SFANC — 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，本文要解决哪一个滞后？

本文的输入是 4 通道参考麦克风采集到的含噪信号，目标是在误差麦克风处产生幅度相等、相位相反的次级声以抵消低频噪声。输出是送给次级声源的控制信号，以及每 1 帧应该使用哪一个固定控制滤波的索引。必须保留的信息包括离散方向网格的划分方式、每个方向滤波如何离线训练、在线时用几帧上下文做 1 次预测、评价时与谁在相同房间和混响下对比。

刚进入语音与音频领域的研究生可以这样理解主动噪声控制的基本动作：参考麦克风先听到噪声，控制器经过一个有限冲激响应滤波生成抗噪声，次级声源播放出去，在误差点与原噪声相减。如果噪声源不动，一个调好的固定滤波就能长期有效；如果噪声源在动，例如吸尘器绕着阵列走，最优滤波会随方位角连续变化，固定用上 1 帧的方向就会错位。本文要解决的正是方向选择固定滤波中的 1 帧滞后：上一代方向选择方法先估计当前帧方向再选滤波，等滤波装上时声源已经走到了下 1 位置。

为建立学习依赖，先把任务边界讲清。论文只研究单声源在水平面、固定半径上运动的情形，声源相对阵列可视为远场，方向只用方位角表示，不估计俯仰与距离。控制结构是多参考、单次级、单误差的前馈结构，实时降噪部分不做在线梯度更新，只做查表切换。预测部分不直接预测波形，而是预测下 1 帧的离散方向类别，再映射到预训练滤波库。这种把回归问题离散为分类问题的选择，是全文方法与实验设计的前提，复述时不能把它说成直接生成滤波系数。

已有路线为何在移动声源下各有短板？

第一条路线是滤波最小均方及其变体的在线自适应。它的动作是每采一个样就用误差信号修正滤波系数，优点是理论上能跟踪任意变化，缺点是收敛需要时间，且步长选不好会在移动与混响下失稳。论文把该路线作为基线，离线与在线都保留了它的角色：离线用它为每个方向训滤波，在线用它代表传统自适应的上限与下限。

第二条路线是选择固定滤波。它的动作是离线针对不同噪声类型训好一组滤波，在线只做分类选择。优点是不依赖误差反馈、切换快且不易发散，缺点是早期版本只看噪声类型，不看空间方向。当声源方向变化导致参考通道间相位关系变化时，类型选对了但方向错了，降噪仍会掉。

第三条路线是方向选择固定滤波与动态因子图选择固定滤波。前者把到达方向信息引入选择过程，在静止或慢变时有效，但在快速移动时仍是估计当前帧、控制下一段，因而存在系统性延迟。后者利用时间上下文做预选，方向正确性有所提升，但依赖传统信号处理与经验参数，例如相邻观测权重与观测长度需要手工设定，且在加速度快速变化的正弦轨迹上会出现局部跌落。论文的出发点正是保留查表切换的稳定结构，同时用可学习的时序模型替代手工时序规则，实现真正的下 1 帧预测。

问题如何形式化为下一帧方向分类？

设候选方向集合为从 0 度开始每 10 度一个格点，共 36 类。每个类对应一个长度为 1024 的控制滤波向量，次级通路长度为 256，采样率为 16000 赫兹。在线运行时，系统每 0.5 秒做 1 次滤波更新决策，评价窗长为 8000 个采样点，恰好与更新节拍对齐。

形式化上，记第 m 帧之前共 K 等于 4 帧的多通道参考信号为输入，目标是输出下 1 帧声源所在的类别索引。训练时每个 2 秒样本被随机赋予静止、恒定角速度或时变角速度 3 种运动之一：静止保持方向不变，恒定角速度在每帧负 12 度到正 12 度之间采样，时变角速度在上下文窗内做周期调制以模拟非均匀运动。标签是按运动解析式算出的下 1 帧真实方向，不是由人工标注得到。推理时网络输出 36 维概率向量，取最大概率对应的索引，再取出该索引对应的预训练滤波装入实时控制器。

举一个教学例子帮助理解，但例子中的数字仅为示意，不代表论文实测：假设连续 4 帧估计的方向依次为 20 度、30 度、40 度、50 度，匀速外推会猜下 1 帧为 60 度；若真实运动是正弦往返，匀速外推就会 overshoot，此时需要门控循环单元记住曲率才能回弯。论文的真实运动包括从 0 度出发以每秒 10 度匀速走 20 秒，以及在 50 度到 150 度之间正弦往返 20 秒，分别考查匀速跟踪与变加速跟踪。

双模块全景：谁做预测，谁做实时相减？

方法全景可以沿一个样本走完。输入是连续 K 帧、每帧 J 等于 4 通道的参考信号。表示阶段对每帧做短时傅里叶变换，得到幅度谱与相位谱并沿通道维拼接，再把 K 帧沿时间轴拼接成一个 3 维张量。组件阶段先用 3 组 2 维卷积加组归一化、线性整流与最大池化提取空频特征，再沿频率做自适应平均池化并 reshape 为时间序列，送入门控循环单元融合帧间动态，最后经全连接加 softmax 得到 36 类概率。目标是交叉熵最小化，输出是下 1 帧方向索引与对应的预训练滤波。

执行上采用协处理器加实时控制器的双模块架构。协处理器例如手机，以帧率为单位完成变换与推理并预选滤波；实时控制器以采样率为单位完成滤波与相减。控制滤波向量初始化为零，经过最初 K 帧冷启动积累上下文后，每帧无缓冲延迟地更新 1 次。若新预选与当前滤波相同则不切换，避免抖动；若不同则直接替换，用于后续采样点的降噪。

协处理器 × 实时控制器： 协处理器负责以帧率为单位运行短时傅里叶变换与卷积循环网络并预选控制滤波，其分工是承担有延迟的推理计算；实时控制器负责以采样率为单位执行滤波与相减得到误差信号，其分工是保证逐采样点的抗噪声不中断；二者搭配的理由是神经网络推理来不及跟上 16000 Hz 采样节拍，组合意义是通过双模块解耦把选择延迟隐藏起来，实现名义上的无延迟切换。

这种安排的理由在原文中写得很明确：把有延迟的推理与无延迟的相减解耦，才能在推理耗时不可忽略时仍保证逐采样点的连续输出。同时在线不再依赖反馈误差信号做梯度更新，因此响应更快且避免了自适应发散风险。代价是系统能力被预训练库封顶，若真实方向落在网格之间或房间与混响超出训练分布，只能选最近邻，残差必然增大。

预训练库如何为 36 个方向各准备一个滤波？

预训练发生在在线运行之前。做法是在每个离散方向上，用上限 2 千赫兹的宽带限带白噪声作为训练声，驱动滤波最小均方算法迭代更新该方向的控制滤波。更新时参考向量先经过估计次级通路得到滤波参考向量，再乘以步长与误差信号做修正。每个方向独立训练，最终得到 36 个向量并存入列表，在线只查表不训练。

参考阵列采用四元四心形指向的紧凑四面体排布，直径 0.025 米，几何上接近头戴式空间麦克风。由于孔径小，声源视为远场，方向只与通道间相位差有关。训练噪声覆盖 2 千赫兹以下的低频段，这正是主动控制通常针对的频段。需要提醒初学者：库中滤波是在仿真房间冲激响应下训出的，若部署房间的次级通路与训练时不一致，查表选对方向也可能因通路失配而打折扣，论文的仿真通过固定次级源与误差麦位置来控制该变量。

方向选择固定滤波主动噪声控制 × 到达方向： 方向选择固定滤波主动噪声控制负责免在线自适应地输出抗噪声，其分工是事先为每个离散方向训好一个控制滤波，运行时只做选择与切换；到达方向负责提供当前噪声从哪个方位角入射的空间依据，其分工是把多通道相位差转化为可分类的角度索引；二者搭配的理由是同一组滤波参数只在训练时的方向附近有效，方向错一格残差就会增大，组合意义是把空间估计问题转化为滤波选择问题，从而用分类准确率直接支撑降噪稳定性。

卷积与循环如何分工完成下一帧预测？

数据预处理先把每帧多通道信号变换到时频域。记第 m 帧、第 j 个麦克风的时频点为幅度乘以复指数相位的形式，时间帧数 T 为 64，频率格点数 F 为 513。幅度与相位沿通道维拼接得到每帧表示，再把 K 等于 4 帧沿时间轴拼接，输入张量维度为 2J 乘 F 乘 TK，即 8 乘 513 乘 256 量级。这样的拼接保留了通道间相位差与帧间位移两个关键线索。

网络结构先过 3 个卷积块提取空间特征，每个块包含 2 维卷积、组归一化、线性整流与最大池化，卷积作用于时频 2 维。随后沿频率做自适应平均池化降维，reshape 为时间序列送入门控循环单元。循环部分按时间步迭代更新 64 维隐状态，把当前空间特征与历史隐状态融合，从而建模方向的演变。最后只取末步隐状态经全连接与 softmax 得到 36 维概率，取最大者为预测索引。损失为交叉熵，用 Adam 优化器学习全部参数，无需手工调制时序权重。

卷积块 × 门控循环单元： 卷积块负责在时频维度上提取由阵列几何决定的幅度与相位空间特征，其分工是把 2J 通道拼接后的幅度谱与相位谱压缩为紧凑特征序列；门控循环单元负责融合连续帧之间的方向演变，其分工是记住静止、匀速与变速 3 种运动在上下文窗内的轨迹斜率与曲率；二者搭配的原因是单帧只能判断当前位置，多帧才能判断速度与加速度，组合意义是先做空间编码再做时间建模，使网络输出的是下 1 帧方向而非当前帧方向。

沿样本再走 1 次有助于复述：4 帧拼接张量进入卷积得到压缩特征序列，循环单元读完序列后输出对下 1 帧 36 个方向的打分，最高分对应的滤波被预选。原文报告该网络仅约 0.05 million parameters、约 480.08 million MACs，适合放在资源受限的协处理器上。这个开销数字是推理侧的计算量，不等于端到端声学延迟，复述时不应把乘加数直接说成毫秒延迟。

训练数据如何构造，监督从哪里来？

训练没有人工标注的方向标签，监督来自运动解析式。构造流程是先用镜像源法仿真多通道房间冲激响应，再把噪声信号与时变卷积结合生成移动声源信号。具体地，噪声包括合成的 2 千赫兹以下随机带宽白噪声与 UrbanSound8K 真实录音；房间包括 3 种尺寸与多档混响时间，阵列位置在每个房间随机选 8 处，信噪比在 10 到 50 分贝之间均匀采样。每个样本取 2 秒上下文，按静止、恒速、时变 3 种模式生成方向轨迹，再解析计算下 1 帧真实方向作为独热标签。

训练集共 86400 个样本，验证集 9600 个样本，每个房间与信噪比子集的测试样本为 9600 个。测试特意使用训练未见过的噪声类型与声学条件，包括不同尺寸的新房间与新的阵列位置，以考查泛化。优化目标是预测分布与独热标签的交叉熵，优化器为 Adam。原文未报告学习率、批量大小与训练轮数等超参数细节，这是复现时的缺项，只能按常规做法补做网格搜索并以验证集准确率为准，不能声称原文已给出最优配置。

滤波最小均方算法 × 预训练控制滤波库： 滤波最小均方算法负责在离线阶段为每个离散到达方向求解一个固定控制滤波，其分工是利用估计次级通路后的滤波参考信号去最小化该方向的误差；预训练控制滤波库负责把 36 个方向的结果存起来供在线查表，其分工是冻结参数、运行时只读不写；二者搭配的原因是移动场景下在线自适应收敛慢且有发散风险，组合意义是把慢收敛搬到离线，把在线问题简化为预测加查表。

需要区分冻结与更新：预训练滤波库在在线阶段冻结，只读不写；卷积循环网络在离线阶段更新，在线阶段冻结做前向推理。在线滤波切换不产生梯度，也不回传修正网络。若把在线切换误说成在线学习，会错误预期系统能越用越准，而原文机制并无此能力。

仿真房间、阵列与基线是否放在同一起跑线？

降噪仿真在一个 11 米乘 9 米乘 3.2 米的矩形围护内进行，混响时间为 0.48 秒，信噪比为 30 分贝。参考阵列中心位于 6 米、4 米、2.2 米处，次级源位于 4.8 米、4 米、2.2 米处，误差麦克风位于 4.6 米、4 米、2.2 米处。移动声源在以阵列为中心、半径 0.4 米的水平圆上运动，声学路径均用镜像源法建模。由于假设声源速度远小于声速，仿真省略了多普勒效应，复述时应保留该假设，不应把结论推广到高速运动。

对比的基线包括滤波最小均方、方向选择固定滤波与动态因子图选择固定滤波。后两者使用与本文相同的 36 类方向划分，保证查表粒度一致。滤波最小均方步长设为 0.01 以保证稳定，动态因子图相邻观测权重设为 0.02、观测长度设为 2，均与各自原文一致。评价指标包括误差信号的功率谱密度与每 0.5 秒平均的降噪量，降噪量定义为期望信号能量与残差能量之比取 10 倍对数，单位为分贝，窗长 8000 点与滤波更新率对齐。指标方向是越大越好，功率谱越低越好。

代码方面，论文声明代码将在 GitHub 仓库公开，本次收到的资源状态显示该链接当前可用，初学者可下载核对预训练与推理流程。但可用不等于权重已发布或一键可运行，复现前应先确认仓库是否包含完整的仿真脚本、房间配置与 36 个滤波的训练代码。

分类精度实验测什么，降噪实验测什么？

分类精度实验测的是卷积循环网络在未见房间与未见噪声下的下 1 帧方向命中率。测试房间为 3 个新尺寸，每个房间 4 个新阵列位置，信噪比取 10、20、30、40、50 分贝五档，结果按位置平均。降噪实验测的是在固定房间与固定混响下，4 种方法对真实吸尘器噪声的压低能力，运动分两种：从 0 度出发以恒定角速度线性增加，以及在 50 度到 150 度之间正弦往返，时长均为 20 秒。

这种分工对应两个学习问题：分类精度回答预测器本身是否学到了运动规律，降噪量回答预测正确是否转化为残差下降。两者不可互相替代，因为方向差一格有时只带来小幅残差变化，有时因滤波失配带来大幅抖动。论文还报告了网络规模与乘加数，承担部署成本的讨论，但未报告逐帧推理毫秒数与端到端声学延迟，讨论延迟时应明确这是未测量项。

下表把恒速场景的比较问题、公平条件与指标方向放在一起。比较问题是匀速移动下谁的滤波切换更贴合真实方向，公平条件是相同房间、相同吸尘器噪声、相同 36 类网格与相同 0.5 秒更新节拍，指标方向是降噪量越高越好、功率谱越低越好。表后一段解释主要收益与代价，并点名未胜出项。

恒速移动下预测选择带来了什么变化？

在恒速场景中，声源方向随时间线性增加，4 种方法都能跟上大趋势，但细节差异明显。方向选择固定滤波表现出约 1 帧的滞后，因为它用上 1 帧的方向选滤波；动态因子图与本文方法利用时间上下文，选择的滤波更贴近真实方向。结果是后两者在大部分时间维持高于 15 分贝的降噪，而前者降噪较低且因延迟切换出现高幅波动。滤波最小均方因收敛慢，降噪有限，尽管它理论上能自适应，但帧级查表在快速切换上占优。

上表显示的主要收益是预测把滞后补上了，代价是系统仍依赖离散库与单声源假设。未胜出项值得保留：方向选择固定滤波在该场景下因缺预测而偏低，滤波最小均方因收敛慢而偏低，二者不是实现错误，而是在移动与帧级切换条件下的结构性短板。需要补充的限制是，该结论只在半径 0.4 米、混响 0.48 秒、信噪比 30 分贝的仿真下测得，换房间或换噪声类型时数值会变，不能把 15 分贝理解为所有条件的保证。

平均降噪量 × 功率谱密度： 平均降噪量负责按每 0.5 秒窗计算期望信号能量与残差能量之比的对数，其分工是给出随时间变化的降噪曲线以观察切换抖动；功率谱密度负责按频率展示残差在低频段的压低程度，其分工是判断预训练带宽内各频率是否都被抑制；二者搭配的原因是只看平均值会掩盖某些频率失效，只看频谱会掩盖切换瞬态，组合意义是从时间跟踪与频率覆盖两个维度共同验证预测选择是否有效。

变速正弦往返为何更能区分跟踪能力？

第二组实验让方向在 50 度到 150 度之间正弦往返 20 秒，考查加速度不断变化时的跟踪。此时匀速外推会失效，模型必须从上下文中读出转向时机。本文方法在整个轨迹上保持稳定且较高的降噪，滤波预选有效；方向选择固定滤波与滤波最小均方降噪较低且波动更大，因为它们跟不上方向的快速折返。动态因子图在第 7 秒与第 15 秒附近出现明显跌落，论文将其解释为在混响下对快速变化加速度的跟踪不足，而本文方法更鲁棒。

从机制上看，正弦轨迹的难点不在速度大小，而在转向点附近速度过零、加速度最大。若只用相邻 2 帧估计速度，转向点容易误判方向；若用 4 帧上下文建模曲率，则能提前减速并换向。门控循环单元的作用正在于此，它把 4 帧的空间特征序列压缩为对曲率敏感的隐状态，再映射为下 1 帧类别。功率谱与降噪量随时间的变化共同支持这一判断：前者显示低频段整体压低，后者显示转向点附近没有大幅塌陷。

但也要看到边界：正弦幅度、周期与混响都是仿真设定的特定组合，真实吸尘器的启停、遮挡与多人声源会引入更复杂的时变。本文只报告了单条轨迹的可视化对比，未给出多条随机正弦轨迹的均值与方差，因此不能把 1 次 20 秒的稳定理解为所有变速运动都稳定。复现时应随机采样多条相位与幅度的正弦轨迹再平均，才能判断提升是否系统成立。

分类精度与开销如何随房间和信噪比变化？

分类精度实验按房间与信噪比分格报告。总体趋势是信噪比 20 分贝及以上时准确率超过 90%，10 分贝时轻微掉到 87% 左右。具体到 3 个新房间，不同混响与尺寸下的表现接近，说明模型对未见声学条件有一定泛化。需要强调，总体趋势不等于每组都成立，个别房间在高信噪比下也可能略有回落，阅读时应以分格数字为准，而非只记平均。

上表的主要收益是精度与效率兼得：参数量很小，乘加数在手机级协处理器可接受范围，且在未见噪声与房间下保持高精度。代价与反例是低信噪比仍有约 3 个百分点的下滑，且乘加数不等于实时延迟，原文未测量逐帧毫秒数与功耗，部署前需补测。未评测的边界包括更低信噪比、多声源并发与网格外方向，这些都不在本文的训练与测试分布内。

从消融视角看，论文没有给出拿掉循环单元或减少上下文帧数的对照，因此不能从模型名称推定循环部分贡献了多少精度。K 等于 4、T 等于 64、F 等于 513 的选择在原文中被描述为平衡历史上下文与快速检测，但未报告 K 取 2 或 8 时的精度变化。复述时应明确这是未验证项，若要补做，应固定卷积结构只变 K 与循环开关，再看 20 分贝与 10 分贝两档的精度差。

哪些结论成立，哪些还只是待验证？

直接报告的结论包括：在给定仿真房间、固定阵列几何与 36 类网格下，下 1 帧预测的分类精度在 20 分贝以上超过 90%，在 10 分贝约 87%；在恒速与正弦变速两条吸尘器噪声轨迹上，预测选择的降噪高于方向选择固定滤波、动态因子图与滤波最小均方，且波动更小。这些是论文实际测量的结果，可以复述为显示或报告。

有限解释包括：动态因子图在转向点的跌落被解释为对变加速度跟踪不足，方向选择固定滤波的波动被解释为 1 帧滞后。这些解释有机制与曲线支持，但未做因果干预实验，例如强制对齐方向后再看残差是否消失，因此用支持而非证明来表述更准确。待验证的推测包括：更小的网格步长一定更好、更多上下文一定更鲁棒、真实房间一定复现相同提升。这些都涉及未测量的泛化与延迟，不应承诺。

明确的缺项有四处。第一，未报告训练超参数与训练时长，无法判断收敛稳定性。第二，未报告推理延迟、功耗与输出帧率，无法把乘加数换算为可部署性。第三，未评测多声源、遮挡、快速启停与网格外方向，单声源假设是硬边界。第四，未给出多次随机轨迹的统计显著性，单次 20 秒曲线的结论需谨慎推广。指出缺项不是指责，而是给复现者列出必须补的验证清单。

复现应先做什么，需要准备哪些条件？

复现的第一步是重建离散方向库。按 0 度到 360 度每 10 度一格共 36 类，在仿真房间中为每类用 2 千赫兹以下宽带白噪声驱动滤波最小均方训练长度 1024 的滤波，次级通路长度 256，采样率 16000 赫兹。阵列采用 4 通道紧凑排布，半径与直径按原文设置，声源置于远场水平面固定半径处。训练时保存每个方向的滤波向量，在线阶段冻结只读。

第二步是重建 2 秒上下文数据集。用镜像源法生成多房间、多阵列位置、多混响与多信噪比的冲激响应，把合成白噪声与真实环境录音经时变卷积生成移动信号，再按解析轨迹算出下 1 帧标签。网络输入为幅度与相位拼接后的多帧张量，短时傅里叶变换取 513 个频率格与 64 个时间帧，上下文帧数取 4。损失用交叉熵，优化器用 Adam，先在 86400 训练样本上训练，再用 9600 验证样本选模型，最后在未见房间与未见噪声的 9600 测试样本上报告分信噪比精度。

第三步是重建降噪对比。固定 11 米乘 9 米乘 3.2 米房间、0.48 秒混响与 30 分贝信噪比，次级源与误差麦位置按原文摆放，分别跑恒速与正弦两条 20 秒轨迹。基线步长与观测权重按原文设置，评价按每 0.5 秒 8000 点窗计算降噪量并画出功率谱。何时值得尝试取决于你的场景是否满足单声源、慢速远场、低频为主与网格覆盖这 4 个条件；若是多声源或高速近场，应先补多源数据与更密网格的验证，再决定是否采用该查表路线。

如何一句话记住本文的方法与适用边界？

记住一句话：用 4 帧时频特征先做空间编码再做时序外推，把移动跟踪变成下 1 帧分类，再用分类结果去查 36 个离线滤波。这样做的好处是切换快且稳定，不依赖误差反馈，适合单声源在水平面慢速移动的低频降噪；边界是方向被离散化、库被冻结、运动被假设为远场慢速，超出分布只能选最近邻。

对初学者的操作建议是先复述出输入到输出的完整链条，再去核对数字。输入是 4 帧 4 通道参考信号，表示是幅度加相位的时频拼接，组件是三块卷积加门控循环加全连接，目标是下 1 帧 36 选 1，输出是预选滤波与实时残差。核对时先看分类精度是否在 20 分贝以上超过 90%、10 分贝约 87%，再看恒速下是否大部分时间高于 15 分贝，最后看正弦转向点是否没有塌陷。若三者都对上，说明你抓住了预测补滞后的核心；若只记住平均提升而说不清滞后从哪里来、冻结了什么、没测什么，就还需要回到方法与实验条件重新走一遍。

⚖️ 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