端射越偏不是算法运气差：紧凑线阵时延到角度的病态反演与两处稳健化

英文题目：End-Fire Degradation-Robust DOA Estimation for Compact Linear Microphone Arrays

会议身份：conference:interspeech:2026:conference-paper-id:wen26c_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：#数据集 #波束成形 #鲁棒性 #麦克风阵列 #声源定位

评分：6.3/10 | 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 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

• Zheng Wen：机构信息未能从会议 PDF 纯文本可靠映射
• Huayang Wang：机构信息未能从会议 PDF 纯文本可靠映射
• Zhongxin Bai：机构信息未能从会议 PDF 纯文本可靠映射
• Xin Guo：机构信息未能从会议 PDF 纯文本可靠映射
• Gongping Huang：机构信息未能从会议 PDF 纯文本可靠映射
• Qiqi Tong：机构信息未能从会议 PDF 纯文本可靠映射
• Yaling Zhang：机构信息未能从会议 PDF 纯文本可靠映射

📌 核心摘要

紧凑均匀线阵输入为多通道语音短时频谱，输出为0°至180°二维方位角，难点是端射附近时延到角度映射斜率发散，微小相位扰动被放大为大幅角度误差。方法在可靠性感知相位变换框架下分两路抑制退化：加权转向响应功率路按基线平方与频率平方逆方差加权增强几何信息，在聚合阶段抑制方差驱动的峰展宽后直接峰值搜索得到角度；互相关加权最小二乘路在物理约束窗内估计时延并经抛物线插值细化后在余弦域线性融合，最后一次性反余弦恢复角度。与传统转向响应功率相位变换的关键差异是把方差抑制放在聚合阶段、把病态隔离在单次反演之后，避免逐对求角再平均的重复放大。在1 m真实混响评测条件下，GCC-WLS的端射区均方根误差指标为3.14°，低于SRP-PHAT的端射区均方根误差指标4.83°。结论仅适用于单源远场方位模型，未验证多源、低信噪比、大混响与近场外推。原文未披露训练、推理或部署成本，方法为免训练信号处理。

🔗 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？要解决的端射难题从哪里来？

这篇解读的输入是标题为紧凑线阵端射退化稳健到达方向估计的会议论文正文与 4 张官方原图像素，目标是让刚进入语音与音频方向的研究生能够复述方法流程与实验条件。必须保留的信息包括阵列几何与信号模型假设、两种改进方法的计算顺序、实录房间与采样参数、评价指标定义与聚合口径。输出是 1 篇按学习依赖展开的中文技术解读，不做超出原文的营销式判断。

本文只讲论文实际研究的任务：在不增大阵列孔径、不放宽远场假设的前提下，改善均匀线阵在接近阵轴方向上的估计稳定性。举一个教学例子：把四元线阵放在电视机下沿，人站在电视正前方时接近侧射，人走到电视侧面接近阵列延长线时接近端射，论文报告后者误差明显变大且谱峰变宽。该例子只帮助建立方向感，不代表原文测量过电视场景。

需要先说明资源状态：本次收到的证据中没有发现来源绑定且完成安全协议状态验证的资源，因此不得声称代码、模型或数据已公开。原文中仓库链接的当前可达性本次未能确认，复现应以正文参数与图中几何为准。论文研究对象是传统信号处理框架内的到达方向估计，也就是根据多通道相位差推断声源方位角。

均匀线阵是等间距直线排布的麦克风阵列，端射是声源位于阵列轴线延长线附近即方位角接近 0 度或 180 度的情形，侧射是声源位于阵列法线附近即接近 90 度的情形。论文强调深度学习是当前主流，但低复杂度、可解释、无需训练的传统方法在资源受限边缘设备上仍不可或缺。因此本文选择在转向响应功率与相位变换类基线上做改进，而不是更换为数据驱动模型。

已有路线为什么没有直接解决端射放大？

要理解本文位置，需要按相同输入、相同目标、相同监督与相同运行阶段对照已有路线。论文点名的同条件基线是零样本、无需训练的转向响应功率加相位变换，以及转向响应功率加最小方差无失真响应，分别记为 SRP-PHAT 与 SRP-MVDR。转向响应功率是把各麦克风对在候选角度的理论时延处对齐相位后累加能量，能量最大处即估计角。

相位变换是对互谱做幅度归一化以突出相位信息，最小方差无失真响应是在保持目标方向增益的同时最小化输出功率以压制干扰。多重信号分类也被提及为在端射附近不稳定的传统高分辨方法，但本次实验只实际运行了前两种基线。比较时不能把未运行的方法当成同条件对照。

另一条路线是增大孔径或放宽远场假设，论文明确不走这条路，理由是要保持紧凑消费设备的物理约束。还有一类相干加权转向响应功率工作主要用于压制虚假局部极大，本文把它重新解释为克拉美罗下界驱动加权结构中的方差调制项。这是与已有工作的分工差异，而不是简单叠加权重。

可靠性相位变换框架是本文继承的底座，它通过限制频率范围避开低频不稳定与空间混叠，并保留直达声主导帧来筛选可靠时频单元。已有文献把端射性能下降多记为经验观察或端射偏置，本文则把它归因于到达时延差到方位角非线性映射的条件数恶化。这是本文自称的理论切入点，后续两处改进都围绕该归因展开。

时延的小误差为何在端射被放大成大角度误差？

论文采用 2 维只估计方位角的远场平面波模型。设阵列沿横轴放置，方位角从正横轴逆时针度量并限制在 0 度到 180 度，端射对应接近 0 度与 180 度，侧射对应接近 90 度。单个远场声源在参考点的短时傅里叶变换记为源谱，麦克风观测为源谱乘以与传播时延有关的复指数再加噪声。

麦克风对之间的到达时延差可简化为带符号基线距离乘以角度余弦再除以声速。对该式做反演得到角度等于反余弦内时延乘声速除以基线距离，对时延求导可得灵敏度绝对值等于声速除以基线距离与角度正弦绝对值的乘积。当角度趋向 0 度或 180 度时正弦趋零，同样大小的时延扰动引起的角度误差远大于 90 度附近。这就是论文所说的病态非线性映射。

论文进一步用局部等效模型做误差分析：把时延观测量写成真值加高斯扰动，扰动方差来自噪声、混叠与模型失配，由此推导单对的费雪信息与克拉美罗下界。角度方差下界与基线平方乘正弦平方成反比，总信息为各对之和。当正弦趋零时信息趋零、下界发散，这解释了先前研究中观察到的端射白噪声放大。为便于复述，记住两个耦合因素：成对时延估计本身的方差，以及反演阶段的条件数。

下面先看第一张图在说什么，理解谱峰随角度变宽的直观现象，再回到公式含义与后续稳健化分工。

看图路径： 1. 先看左侧三组声源与线阵相对位置，从正对逐步走向接近阵轴延长线；2. 再看每组下方极坐标能量主瓣如何由细窄逐渐变为宽阔且发生偏转；3. 对比右侧归一化谱中 90 度尖锐峰与 20 度附近平坦峰的宽度与曲率差异

论文图 1。原论文 Figure 1：“Visualization of end-fire degradation in the SRP spatial spectrum.”。

该图左侧用 3 组示意对比了声源从正对走向阵轴延长线时波前与阵列的几何关系，下方极坐标能量分布由细窄主瓣逐渐变为宽而偏斜的主瓣。右侧实录归一化谱显示 90 度声源峰尖锐而 20 度附近声源峰平坦宽阔，峰顶曲率明显减小。像素可见的要点是端射角度分辨力下降，微小噪声或混响就可能搬移峰值位置，导致估计不稳定并向 90 度方向偏置，论文指出这种展宽在实录中同样存在。

远场平面波模型 × 克拉美罗下界： 远场平面波模型负责把麦克风对时延写成基线距离乘以角度余弦再除以声速，给出可求导的非线性映射。克拉美罗下界负责在该模型下给出角度方差随基线平方与正弦平方变化的下限，量化端射附近信息量趋零的程度。两者搭配的原因是只有先固定模型假设，才能把谱峰变宽解释为内在信息缺失而非单纯算法失配。

两种改进如何分工：聚合降方差与反演稳条件数？

基于上述分析，论文提出两条互补设计原则：一是在聚合阶段抑制方差，二是在反演阶段稳定条件数。先沿一个样本走完流程：输入为 4 通道 1 秒语音段，经短时傅里叶变换得到多通道频域观测，计算每对麦克风的互谱与自谱，送入广义相位变换加权结构得到加权互谱。该前端同时服务于后续两条路径。

第一条路径是加权转向响应功率，直接在 0 度到 180 度以 0 点 2 度步长扫描候选角，把各对各频率的相位对齐项按权重累加，能量最大处为第一种估计。第二条路径是广义互相关加加权最小二乘，先由加权互谱经逆傅里叶变换得到时延相关函数，在物理可行区间内找峰并做抛物线插值精化。得到每对时延后换算为余弦域观测并做加权平均，最后只做 1 次反余弦得到第二种估计。

两条路径共享频率权重、相干置信因子与可靠帧选择，区别在于第一条把加权放在能量累加中，第二条把融合放在线性余弦域。论文强调第二条不是先求多个角度再平均角度，而是先融合余弦再反演，从而避免多次经过病态反余弦。两种方法都不增大孔径，也不改变远场假设，这是复述时必须保留的代价边界。

权重与余弦域融合具体算什么？

先讲广义相位变换参数化形式。论文在互谱幅度加小常数分母的贝塔次幂上做部分白化，频率限制在 800 赫兹到 4500 赫兹以避开低频不稳定与空间混叠，并按比例保留直达声主导帧。相干性置信因子定义为互谱幅度平方除以 2 通道自谱乘积加小常数，用于刻画时频可靠性。

逆方差加权结构包括基线权重与频率权重：基线权重为基线绝对值与最大基线之比的伊塔次幂，频率权重为频率绝对值与最大频率之比的阿尔法次幂。论文取伊塔等于 2、阿尔法等于 2，分别对应克拉美罗下界暗示的理论最优与相位灵敏度随频率升高的模型。最终宽带分数为各频率各对的基线权重、频率权重、置信因子的伽马次幂与相位对齐实部的乘积累加，取最大处为加权转向响应功率估计，论文取伽马等于 1。

加权转向响应功率 × 余弦域融合： 加权转向响应功率负责在能量聚合阶段按基线长度与频率可信度加权累加，从而抑制输入方差。余弦域融合负责先在线性余弦域做加权平均再只做 1 次反余弦，从而稳定反演条件数。两者搭配的原因是前者减小进入反演的扰动，后者减小反演本身的放大倍数，组合后同时控制扰动来源与放大环节。

再讲时延精化与余弦域融合。加权互谱乘以频率权重与置信因子后做逆傅里叶变换得到相关函数，峰搜索限制在基线绝对值除以声速的物理区间内。初值经抛物线插值精化并配合 16 倍过采样以减小离散化误差，每对精化时延换算为局部余弦估计即声速乘时延除以基线距离。

以基线权重做加权最小二乘融合，闭式解为加权平均，之后对融合值裁剪到负 1 到 1 再做反余弦。论文提醒灵敏度随正弦趋零无界增长，若先逐对反余弦再平均角度，小扰动会被非线性放大成重尾误差。而余弦域扰动在融合时近似可加且表现良好，只经历 1 次非线性映射，统计稳定性更好。

相干性置信因子 × 逆方差加权： 相干性置信因子负责用互谱幅度与自谱乘积之比刻画每个麦克风对与频率点的可靠程度。逆方差加权负责按克拉美罗下界暗示的方差倒数分配基线与频率权重，给出理论结构。两者搭配的原因是理论权重强调长基线与高频，数据权重在混响严重的单元上自动降权，组合后宽带分数既有指向又能自适应。

本研究训练了什么？没有训练时实际计算是什么？

本研究没有神经网络训练阶段，也就没有梯度路径、参数冻结与更新、监督损失或模型重置需要报告。实际计算是确定性信号处理链：短时傅里叶变换、互谱与自谱估计、可靠性加权、能量扫描或相关峰搜索、抛物线插值与加权平均。需要调用的只是实录语音与固定超参数，不存在环境特定的预训练数据。

论文也说明实际部署常要求开箱即用，因此只与免训练零样本基线比较。未报告的缺项是各超参数是否在验证集上调优的具体划分，论文只给出最终取值：阿尔法等于 2、伊塔等于 2、伽马等于 1、帧选择比 0 点 3、扫描分辨率 0 点 2 度、广义互相关 16 倍过采样。复现时应原样锁定这些取值。

不能把无训练等同于输出完全确定，因为帧选择、噪声与混响仍会带来数据依赖的波动。也不能从参数固定推定不同房间下性能不变，因为混响时间与信噪比并未完全固定。复现时应把重点放在搜索网格、插值实现与裁剪逻辑是否与原文一致，而不是寻找训练脚本或权重下载。

实录条件、划分与指标如何保证可比？

实验在 5 米乘 4 米乘 3 米的矩形家用房间内进行，嵌入式紧凑线阵含四元麦克风，阵元间距 3 点 5 厘米，总孔径 10 点 5 厘米，架高 1 点 5 米，距墙 0 点 2 米。扬声器播放干净语音并与阵列置于同一水平面，方位角从 20 度到 160 度每 10 度一档。声源到阵列距离分 1 米与 2 米两档，每种距离与角度组合录制约 100 到 200 段互不重叠的 1 秒语音。

环境含典型家用噪声与中等混响，混响时间与普通家居相当，信噪比在 10 到 20 分贝之间。端射区定义为 20 度到 40 度并上 140 度到 160 度。所有录音重采样到 16 千赫，短时傅里叶变换用 1024 点凯泽窗、75% 重叠，频率范围 800 赫兹到 4500 赫兹，帧选择比 0 点 3。评价指标包括全部方位平均均方根误差、端射区平均均方根误差、端射区 5 度尺度柯西软准确率平均值，以及退化宽度。

退化宽度即软准确率低于 0 点 5 的方位格点总宽度，格点分辨率为 10 度。柯西软准确率（%）定义为 1 加误差绝对值与 5 度比值平方后的倒数，连续惩罚大误差以降低离群敏感。比较的都是实际可运行的免训练策略，不含搜索最优或事后最优值。

下面先看实验装置图，确认几何与拍摄对应关系，再进入分角度结果与汇总表格。

看图路径： 1. 先确认左图俯视房间尺寸与阵列贴墙放置及声源距离半径的标注关系；2. 再看阵元间距 3 点 5 厘米与两端阴影标注的端射评估区间角度走向；3. 对照右图实拍中白色家电设备上的线阵与远处支架上扬声器的位置

论文图 2。原论文 Figure 2：“Experimental setup and recording environment. (a) Schematic illustration; (b) Photograph of the actual setup.”。

该图左为俯视示意，标出房间尺寸、阵列位置、声源距离与角度定义，两端阴影为端射评估区间。右为实拍照片，可见贴墙放置的家电设备上的四元线阵与远处支架上的扬声器。像素确认的几何有助于复现时还原距离、高度与贴墙反射条件，避免把角度定义弄反，也为理解 2 米条件更难提供背景。

主结果：在端射区赚了多少？付出了什么？

比较的问题是：在相同实录、相同角度网格与相同指标下，两种改进是否在端射区降低误差并缩小退化宽度，同时保持全方位竞争力。公平条件是 4 种方法都运行于同一批 1 秒语音段与同一前后端参数，指标方向为均方根误差越小越好、软准确率越大越好、退化宽度越小越好。

下表整理阵列与录音的基本配置，单位保留原文写法，用于核对复现条件是否一致。表前已提出要核对的几何与采样问题，表后将回到性能数字。

表后解释需要覆盖收益与代价。该配置说明孔径仅 10 点 5 厘米，属于紧凑阵列，端射信息天然不足。距离分两档可观察混响与衰减加重的影响，频率上下限与帧选择共同决定进入加权的可靠单元。复现时不能只抄采样率而忽略窗长与重叠，否则可靠单元集合会发生变化。

再看汇总性能表，表头单位与原文一致，数值保留原文精度。比较前确认聚合口径为分方位先算均方根误差与软准确率，再算全方位平均与端射区平均。

表后解释报告显示两种改进在 1 米端射误差从基线的 4 点 83 度量级降到 3 点 1 度量级，软准确率从 0 点 65 升到 0 点 82，退化宽度从 30 度降到 0 度。在 2 米端射误差从 7 点 71 降到 4 点 5 到 5 点 0 区间，软准确率从 0 点 47 升到 0 点 66 到 0 点 70，退化宽度从 40 到 50 度降到 0 度。全方位平均误差也同时下降，说明没有以牺牲中间角度换取端射。代价是引入了基线、频率与相干三重权重及过采样与插值，计算量高于朴素相位变换，但论文未测量延迟与功耗，因此不能承诺实时性改善。未胜出项是 SRP-MVDR 在两端误差最大，2 米时端射达 12 点 34，退化宽度达 50 度。

均方根误差 × 柯西软准确率： 均方根误差负责度量估计角与真值差的平方平均后开方，对大离群值敏感，能暴露端射重尾误差。柯西软准确率负责用误差与 5 度比值平方加一后的倒数给出连续分数，对大误差平滑惩罚。两者搭配的原因是硬阈值在离群多时会失真，联合使用才能同时看到误差大小与估计器稳定性。

下面详细观察 1 米分角度曲线与误差分布形态，确认上述平均数不是由个别方位主导。再结合箱线图判断偏置方向。

看图路径： 1. 先沿横轴 20 度到 160 度观察顶部均方根误差曲线在两端抬升的幅度差异；2. 再看中部软准确率在端射区四条曲线分离程度与中间角度重合情况；3. 对比底部箱线图中 20 度与 160 度处蓝色箱体与其他颜色箱体的偏置宽度

论文图 3。原论文 Figure 3：“Localization RMSE (a), S-ACC (b) and estimation error dis- tribution (c) at a source-to-array distance of 1 m.”。

该图上为分角度均方根误差，中为软准确率，下为分角度误差箱线图。像素可见 1 米时两端蓝色 SRP-MVDR 曲线抬升最剧烈，红色 SRP-PHAT 次之，绿色与紫色改进曲线在 20 度到 40 度与 140 度到 160 度明显更低且更平稳。箱线图显示误差向 90 度偏置即小于 90 度多为正误差、大于 90 度多为负误差，而改进方法的箱体更窄、离群须更短，支持峰展宽导致的不稳定被部分抑制。

距离拉远与误差分布能否证伪改进？

论文没有做去掉某一权重项的常规消融，而是用距离从 1 米到 2 米、方位逐档展开与误差分布形态作为反证。若改进只在近距离有效，则 2 米端射应退回基线水平；若只是平均数好看，则箱线图应仍宽且偏置不变。实际像素显示 2 米整体误差抬升、软准确率（%）下降、箱体变宽，声学条件更难，但绿色与紫色曲线在端射仍低于红蓝基线。

退化宽度保持 0 度，说明改进在更强混响与更低直达声占比下仍成立。需要补充的论文特有细节是超参数组合：频率权重指数、基线权重指数、置信指数、帧选择比、扫描步长与过采样倍数共同决定结果。改变任一项都可能移动端射收益，因此复现时应先锁定这些值再比较，而不是先调参再对比。

该对照还显示 2 米时 140 度附近各方法误差都偏大，说明该方位仍是难例，改进缩小了差距但未完全消除方向依赖。总体趋势不等于每段语音都改善，箱线图离群须即反例。未测量项包括房间混响时间精确值、调参划分、运行时延与功耗，不能从误差下降推定这些量同样改善。

下面观察 2 米分角度曲线，重点看纵轴量程变化与端射峰高度，再回到待验证问题。

看图路径： 1. 先看顶部 2 米距离下 20 度与 160 度处蓝色虚线误差峰相对 1 米图的变化；2. 再看中部软准确率在 30 度附近绿色与紫色曲线相对红蓝曲线的抬升；3. 对比底部箱线图中误差中值由正偏逐步回落并在右侧转为负偏的过程

论文图 4。原论文 Figure 4：“Localization RMSE (a), S-ACC (b) and estimation error dis- tribution (c) at a source-to-array distance of 2 m.”。

该图为 2 米结果，顶部误差纵轴量程大于 1 米图，20 度与 160 度处蓝色峰更高，中部软准确率整体下移。底部箱线图在 20 度处红蓝箱体中值偏高而绿紫更接近零，120 度到 160 度转负偏置依然存在但绿紫箱体更窄。这支持论文的判断：误差放大机制随距离加重而更明显，而余弦域融合与加权能量对重尾有抑制作用，可能的待验证点是更远距离或更强混响下是否仍保持零退化宽度。

哪些边界本文没有测？何时不应套用结论？

首先是模型边界：全文固定为单声源、远场平面波、2 维只估计方位角，未评测多声源、近场球面波、俯仰角或阵列校准误差。超出这些假设时时延公式与权重结构不再直接成立，不能直接套用端射收益结论。

其次是数据边界：只在同一家用房间、同一设备、1 米与 2 米、20 度到 160 度、每条件约 100 到 200 段语音上评估。未覆盖大厅、强噪声、移动声源或 0 度与 180 度正端射极值点，不能把退化宽度为 0 推广到所有房间。混响时间精确值未报告，也限制了跨房间外推。

第三是基线边界：只与免训练的 SRP-PHAT 与 SRP-MVDR 比较，未与深度学习或需要预训练的方法同条件对比，因此不能读作全面最优。相关性不是因果，平均误差下降不代表每组方位每段语音都成立。第四是成本边界：未测量每帧延迟、内存、功耗与输出帧率，总体误差下降不等于实时性改善。

最后是可达性边界：本次未能确认仓库链接可达，不得声称代码与数据集已公开。复现应以正文参数与图中几何为准，缺失的混响时间精确值与调参划分应如实记录为缺项，而不是自行编造划分口径来圆成一致。

要复现应先做什么？按什么顺序检查？

第一步还原几何与录音：四元线阵间距 3 点 5 厘米、总孔径 10 点 5 厘米、架高 1 点 5 米、离墙 0 点 2 米，扬声器同高度，距离 1 米与 2 米，方位 20 度到 160 度每 10 度。每条件切分为互不重叠的 1 秒段，约 100 到 200 段，图中按每方位约 120 段统计。先核对角度定义是否为从正横轴逆时针度量，避免把 0 度与 90 度弄混。

第二步还原前端：重采样到 16 千赫，1024 点凯泽窗、75% 重叠，频率取 800 赫兹到 4500 赫兹，帧选择比 0 点 3，只保留直达声主导帧。第三步实现加权：按互谱与自谱计算相干置信因子，基线权重指数取 2，频率权重指数取 2，置信指数取 1。合成宽带分数后以 0 点 2 度步长在 0 度到 180 度扫描取最大，得到加权转向响应功率估计。

第四步实现第二条路径：由加权互谱做逆傅里叶变换，在基线绝对值除以声速的区间内找峰，做抛物线插值并配合 16 倍过采样。换算到余弦域后按基线权重平均，裁剪到负 1 到 1 再反余弦，注意只做 1 次非线性映射。第五步按原文聚合：分方位计算均方根误差与 5 度尺度柯西软准确率，再算全方位平均、端射区平均与低于 0 点 5 的退化宽度。

若端射收益消失，优先检查频率范围、帧选择、插值与裁剪是否一致，其次检查基线符号与最大基线归一化是否正确。不要先怀疑数据集不同，而应先核对搜索网格与过采样实现，因为离散化误差在端射会被显著放大。

何时值得尝试这两种稳健化？

当设备只能容纳 10 厘米量级孔径、必须远场开箱即用、且声源常出现在电视侧面等接近阵轴方向时，值得尝试本文的加权能量与余弦域融合。因为它们不改硬件、不放宽模型，只在聚合与反演两处做稳健化，且在 1 米与 2 米实录上同时改善了端射误差、软准确率与退化宽度。这种收益有明确的适用条件。

当场景变为多声源、近场、需要俯仰角或强混响大厅时，应先补相应验证再决定，因为原文证据不支持这些外推。当算力极度紧张时，应先实测过采样与细网格扫描的延迟代价，再决定用完整版还是只保留权重版。总体趋势不等于每步都成立，部署前需要实测延迟与功耗。

常见的误解是把谱峰变宽当成单纯分辨率不足而一味提高扫描密度，本文的解释是信息本身随正弦趋零而减少。提高密度只能减小离散误差，不能恢复缺失的费雪信息，真正的缓解来自强调长基线与可靠频率并避免重复经过病态反演。另一个误解是把相干加权只看成压制旁瓣，本文把它纳入逆方差结构，权重分配有理论指向而非启发式叠加。

收束一句话：记住时延到角度的灵敏度公式与 2 次稳健化的分工，就能在复述时沿输入到表示到组件到目标到输出完整走完，而不遗漏适用条件。复现时锁定几何、前端、权重指数、扫描步长与聚合口径，才能判断端射改善是否真正重现。

⚖️ 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