信号处理

针对合成板混响脉冲响应反推六个有效物理参数的问题，论文用共享编码器分别做直接回归与条件连续归一化流，再经可微合成器梯度下降或粒子群优化精修，在 100 条合成留存数据上把波形与参数误差降低三个数量级以上，但结论只在匹配合成条件下成立。

本文用一名孕妇最后五周自采的 28 段手机腹部录音，靠心率范围先验把包络分成快慢两个节律带，恢复出多数录音中稳定但未经金标准验证的胎儿 plausible 节律，同时报告母体节律、变异性和呼吸探测的失败边界。

SEAM 针对条件式 TTS 扩词时新词向量缺乏监督的问题，用子词序列的频谱低通滤波保留语序再以闭式岭回归对齐到预训练流形，在俄语、哈萨克语和法语上以更少微调数据达到接近基线的可懂度和主观偏好，但结论只在可分解、可转写且仍需微调的条件下成立。

SENTRY 针对通话中的实时筛查问题，用整数提升小波与无乘法特征组加双轨决策做在线判断，在闭集条件下 WaveFake 与窄带电话信道 ASVspoof 上取得高准确率，但代价是仅验证了已知合成器且前端综合与跨库泛化尚未完成。

DYNARTmo 把重叠的手势轨迹逐帧变成声管几何和气流压力，再把声门脉冲响应与连续噪声分别合成叠加，用 Tasse、Muse、Lade 三个德语词走通元音鼻音边音擦音塞音的协调，代价是冻结几何近似和多处听音校准的声源参数，且尚无独立听辨评估。

论文要解决住宅多房间语音数据难批量构造的问题，用结构化平面图转可编辑声学场景加混合几何声学求解生成多通道房间脉冲响应与混响语音，并用实测校验与分布式定位增强实验验证其覆盖与增益，代价是仍依赖几何声学近似与受控仿真条件。

针对生成视频难以靠生成痕迹区分的问题，该工作用音频与卷帘快门视频中的电网频率漂移一致性来认证拍摄真实性，并在参考匹配与双轴编排下验证了其条件与代价。

针对流式语音识别中 RNN-T 训练要保存巨大联合隐状态和词表 logits 的问题，该文用分块打包加专用核与检查点重算完整求和，在中长语音上同时给出高吞吐的不分块版本和低显存的分块版本，但结论只在给定的三批数据、模型配置和联合加损失测量范围内成立。

针对自发含噪语音中填充词和笑声污染词边界的问题，论文保留经典 GMM-HMM 结构并换用 WavLM 特征加噪声配对投影与专用事件单元，在 149 小时自举训练下把 Buckeye 和 FluencyBank 词边界误差降到 20.6 与 76.9 毫秒，代价是朗读语音仍略逊于最强 MFA 配置且重度口吃语音绝对误差依然较高。

论文研究频谱损失中的幅度压缩是否帮助可微信号模型拟合目标声音，提出一致性度量预判信息区位置，并在三个系统中验证匹配信息区的损失最优而混合损失均非最优。

CochlearMark 把水印藏在听神经锁相特征经密钥投影后的得分里，用很小的波形扰动把得分推过阈值，在语音音乐环境音上保持可听性与常规编辑鲁棒性，但在神经编解码低码率与改内容变换下会失效。

论文针对障板活塞辐射阻抗与带活塞负载的号筒喉阻抗这类非有理超越阻抗，用连分式与单点和两点帕德逼近构造可任意加阶的无源梯形网络，14 个元件在 ka 达 5 时误差约 4×10-4，代价是高精度算术构造与高频波纹处的误差下限。

论文把频率初值偏差看成待逼近的指数项，指出准谐波模型只做了一阶近似，提出高阶正弦模型并用 LM 算法逐帧估计振幅与偏差，在仿真和语音上得到更准的参数与重构，但代价是迭代计算量高于一次最小二乘。

本文在冻结双路径神经音频编解码器上分析重复无缩放标量网格的残差量化规律，用预测加例外完整保存的方法降低索引存储，并在 62 与 512 文件上验证比特级还原与码率下降及其适用条件。

该研究在吵闹真实场景的人体模型录音上验证：AI 语音增强在放大通路内各设备改善相近，但只有压住未经处理的直接声通路后，其信噪比改善才能从高频扩展到低频，宽带加权信噪比因此明显提高，而单独开主动降噪几乎不改善信噪比。

该论文把随解码数据在线学习的熵编码代价直接送入感知比特分配，用动态规划在块预算下求最小总噪声掩蔽比，并用严格按块与带储备的对照分离出熵感知与协同适应的增量，代价是动态规划编码端约 20 倍于拉格朗日方法的计算量。

论文用定位去除与等大随机去除的配对比较检验断言是否依赖特定音频区域，发现空白基线的优势主要来自删除时长，而定位是否有效与解码纠正能否起作用都随模型而变化。

该文把节拍跟踪拆成先学局部等脉冲塔图姆网格再在网格上判断每拍含几个脉冲、每小节含几拍，用可微分的网格加子网格分布代替逐帧独立概率，在下拍连续性上超过同基座的无后处理基线，但平均仍落后于带动态贝叶斯网络的最优方法，且网格漏拍会直接限制最终上限。

该文用振膜弯曲到波导伸长再到马赫-曾德干涉光电流的解析链，评估光学散粒噪声与背腔热机械噪声决定的压力分辨率和以 10% 总谐波失真定义的过载，在 1 mW 紧凑情形给出 78 dB 信噪比与 124 dB 过载、在 100 mW 测量情形主要改善压力分辨率，但均附带有利假设而不构成对常规话筒的全面优势。

SoFilNet 只用重建语音做监督就同时估计基频、清浊、五带非周期性与有序共振峰和反共振零点，在 VTR 共振峰与跨库基频上取得最低平均误差，代价是幅度谱建模与固定极零点结构带来的简化。