空间音频信号

针对听音房间混响破坏高阶 Ambisonics 解码方向感的问题，作者把常规解码级联一个由闭合球面控制点房间脉冲响应求逆得到的串扰矩阵，在 26 扬声器仿真房间中使同通道能量在 500 Hz 到 4 kHz 高出约 10 dB，代价是依赖已知房间脉冲响应与高频预处理且频带外仍有串扰。

该研究把地下室改造成无演员的声音戏剧，让观众以移动和操作发声道具推进五区叙事，用分布式传感加多通道音频加人工兜底实现可演出的闭环，并在三天 20 余场公演中验证了混合人工干预的必要性，代价是无线遮挡与暗光线索易造成卡顿。

该研究以骨传导耳机私密层加穹顶扬声器共享层加现场声源的三层现场为问题，用四部新作与作曲家自述对照出频带分工与层间关系策略，最强证据是录音仓储已公开可核对，代价是电平与注意力极易饱和且结论仍是作曲家报告而非大样本验证。

该文以目标方向对应的个性化头相关传输函数为线索，用全复数神经网络从双耳混合中提取目标并保留双耳线索，在无混响下取得清晰提取、在混响下兼顾去混响，但混响下的客观语音质量仍低于同期强基线。

共收录 103 篇 cvpr-2026 会议论文的 Reader 深度解读

共收录 91 篇 dafx-2026 会议论文的 Reader 深度解读

针对盲人和低视力音乐制作人难以使用可视化环绕声混音插件的问题，该研究用 bHaptics TactSuit X40 背心把声音方位映射为腰部振动并以左右箭头键移动声源，5 名制作人的探索性任务与访谈报告了定位信心提升和认知负荷下降，但对齐精度与分辨率仍需改进且未提供定量定位误差。

针对单嵌入把声源与空间混在一起的问题，DISSE 在同一主干上接声源头与空间头并用弱配对监督对比学习，在保持在任务检索的同时把偏离任务检索压到接近零，但代价是依赖合成房间脉冲与因子标签且只冻结编码器训练投影头。

针对亮区固定、暗区用户移动时离散切换会掉声对比度并引起系数跳变的问题，该文把整段轨迹滤波器拼成块矩阵并在分母加相邻差分平滑项做广义瑞利商最大化，仿真报告最小声对比度最多提升约 7 dB，代价是峰值提升有限且引入平滑正则权衡。

该工作用 ALINX AC7020C 嵌入式 FPGA 加可菊花链的 8 通道 PCB 解决高密度空间音频的通道数与布线难题，已验证 64 扬声器稳定运行并给出向 256×3 通道扩展的时序与接口设计，但受限于 MAX98357A 约 3 W 功率与小型单元声学性能。

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

针对无声电影片段生成与画面帧级对齐的立体声拟音问题，FoleyDesigner 选择先分解为分层拟音脚本再用视觉轨迹条件扩散逐事件生成并做多智能体混音，最强证据是时空对齐表上 IoU 达 32.2 与 GCC 最低 48.79，代价是密集重叠并发事件仍会出现定位误差且依赖仿真数据与多阶段流水线。

论文把视听空间推理定义为超越语义匹配的定位与关系判断，用 SoundSpaces 2.0 渲染的全景图加双耳音频构造 100 万问答对并训练连接视觉与空间音频编码器的大语言模型，在语义错位与多同类目标场景上报告了双耳相对单耳的定向优势，但分类精度仍远低于 Oracle 且依赖仿真场景。

论文要解决空间音频一次一建、难以公共复用的问题，用一套可搬运的扬声器与交互基建在亚特兰大地下城支撑 5 组学生作品，以 Since Everyone's a DJ 为案例验证多人手势协作演奏可行，但连续空间控制易被掩蔽且评价仍是小样本反思。

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。

Orbis 要解决如何把人工细胞中 Min 波的反应扩散动力学变成可作曲的光声运动，方法是按设定化学配比合成人工细胞并用图像跟踪把波位置转为环形声光定位，已在展览系统中实现三条件与三序列的对应呈现，代价是当前依赖预录视频且复现需要专门生物实验条件。

针对立体声到 5.1 盲上混中环绕声缺乏可学习目标的问题，该工作用 CCD 加 ELAE 合成 PAEDB 主次对并训练 Mel-RoFormer 与 MLP 做氛围提取，最强证据是 VPA-Mel-RoFormer 主观总分 14.45 接近 VPA-ELAE 的 14.63，代价是客观重建分数偏低且训练目标受限于合成算法上限。

该文针对球形阵列测得的高阶 Ambisonics 空间房间脉冲响应，用 Herglotz 分析重建早期反射的方向与到达时间并显式仿真散射与空间混叠，用方向反馈延迟网络重建晚期混响的方向相关衰减，在 IRCAM Espro 厅 EM32 实测上以球面相关和能量衰减浮雕贴近测量，代价是保留单斜率指数衰减假设与阵列阶数限制。

论文提出 POLAR 框架，把扬声器滤波器、自由场传播与可微听觉损失连成端到端链路，用梯度下降复现了幅度声像、串扰消除与波束展宽甜点的已知解，并展示定位、不确定度与音染可加权折中，但多属性部分仍是模型自评、权重靠试错且未经正式听音验证。

该文以手势驱动的计算机音乐乐器为任务，用姿态追踪加监督映射加 RAVE 潜空间合成的串联链条研究关系性代理，报告了 66 维与 8 维输入、77 维合成控制加 12 对声像坐标的真实系统与第一人称演奏观察，代价是数据集一致性难维持与音色多样性受限。