声场重建

论文把理想高阶 Ambisonics 重建写成一个从传声器观测出发的逆问题，用只在理想信号上训练的扩散先验加物理前向算子在推理时做后验采样，并以阶数掩蔽和分数混合解决可观测分量校正与不可观测高阶生成之间的矛盾，代价是 90 步约 150 次网络求值的迭代推理开销。

共分析 47 篇语音/AI 论文

该文只改宽域 DirAC 渲染中的插值权重，用轻量图网络从实测声场特征预测场景相关的组合权重，实验显示在未见房间和布局下能量和指向性图相似度提升，但扩散度基本持平，且模型很小。

论文把 HRTF 空间上采样看成跨被试共享的上采样算子学习问题，用 SPARO 把稀疏观测映射到可任意查询的声场，在 SONICOM 上 LSD 和 ILD 全面最低而推理比 RANF 快 15 到 373 倍，代价是仍需分别训练幅度与 ITD 两个网络并做短时测试优化。

该文研究球谐域声场如何分解为少数平面波，提出压低旁瓣并消除背瓣的广义球面核与跨阶联合稀疏恢复，在信噪比 20 dB 以上和高阶时提高支撑恢复，但振幅误差和定位误差略有代价。

共分析 69 篇语音/AI 论文

本文针对带混响和噪声的球形阵列录音，用基于相对谐波系数的多输出波束形成同时提取目标声场并约束残留干扰的空间分布，仿真显示目标声场相似度保持在 0.99 而干扰相似度优于现有方法，但结论只在给定仿真房间和先验条件下成立。

论文针对隐式神经表示中固定激活难以组合多谐波的问题，提出每层共享的残差截断傅里叶激活，在音频、图像与神经场实验中提升重建质量，但以更高的激活计算与显存为代价。

该文把双耳两通道加头动四元数作为输入，用卷积循环网络逐时频估计方向性音频编码参数再合成一阶全景声，最强证据是无噪声消融中加权平均角度误差做到 11.82 度且主观空间质量与参数真值无显著差异，代价是声源增多和背景噪声下误差与定位准确度明显下降。

该研究用共享麦克风处理加掩蔽自注意力实现可变麦克风数的一阶 Ambisonics 矩阵编码，对比只看阵列传递函数的信号无关编码与同时看观测信号的信号相关编码，在 LibriSpeech 训练后于未见麦克风数、更多声源数和非语音源上仍优于静态最小二乘，而信号相关整体更强但白噪声下绝对重建仍然困难。

共收录 1354 篇 interspeech-2026 会议论文的 Reader 深度解读

针对每人仅有少数方向实测时如何补全任意方向双耳头部脉冲响应的问题，论文提出直接在时域做掩码补全的 HRIR-Former，用正弦方向编码加 Transformer 与双耳线索辅助头实现网格自由推理，在 SONICOM 上 M 等于 19 时以归一化均方误差负 8 点 24 分贝和强度差误差 0 点 95 分贝为证据，代价是仍限同库训练且缺少听感验证。

论文以口部辐射为唯一声源的边界元仿真为对照，用假头扫频与两人真人发声的相对传递函数对比，报告耳周尤其是耳下麦克风在 1 千赫兹以下出现仿真无法解释的幅度抬升，代价是样本仅两人且振动传感器未标定。

针对稀疏测量到稠密 HRTF 的上采样受固定测量布局限制的问题，GeoAtt 用逐频点查询条件空间聚合加 Conformer 频率建模实现单个模型适配多种布局，在 SONICOM 四个 LAP 布局上报告了最低对数谱失真，但受限测量覆盖下误差仍明显上升且代码权重本次未能确认可达。

该文把一阶到三阶上采样定义为给定低阶信号生成缺失高阶通道的条件分布，用流匹配与得分扩散同骨干对比，在混响语音上流匹配信号与听感占优但参数与采样代价明显更大。

论文把空间房间脉冲响应的聚合回声方向建模为球谐非负密度，用平方和半定规划做极大似然估计与逆变换采样，再以球面切片 Wasserstein 位移插值直线路径上的声源与反射密度，实验显示 Wasserstein 插值在整条路径上切片距离最小，但代价是切片离散化与非负约束带来的两步优化。

该综述把乐器建模中的逆问题统一为从声振观测反推物理量的框架并分为十类任务，强调病态性与噪声敏感是共同困难，正则化与建模假设是稳定求解的关键，但感知相似的声音匹配不等于物理一致的参数恢复。

针对稀疏双耳房间脉冲响应重建后 700 个时域等效源带来双耳卷积负担的问题，论文提出能量加权方向 K 均值聚类把重建方向压缩到 30 个，ABX 显示与全分辨率难以区分，而按能量排序的基线在全部条件下均可被区分，代价是低能量但定位重要的源可能被合并且结论限于特定房间与早期反射条件。

共收录 127 篇 eusipco-2026 会议论文的 Reader 深度解读

针对稀疏测量的声场重建问题，该工作用小波散射变换提取多尺度统计特征并以二值掩蔽只保留跨被试一致的系数，再与稀疏观测的数据保真项联合优化神经场，在 HUTUBS 仿真 HRTF 上以 7×7 观测重建全空间幅度时 MSNF 的 LSD 降到 5.34 并在 NCC 达到 87.79%，代价是每个 HRTF 需单独训练一个网络且只验证了幅度。