空间音频

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

针对新房间仅给 1 至 8 条脉冲响应、深度与位姿时确定性方法无法表达声学不确定性的问题，FLAC 用潜空间流匹配加扩散变换器生成合理脉冲响应分布，并在 AcousticRooms 未见房间与真实 HAA 上以单样本超越 8 样本基线，但分布真实性与单步推理之间仍需权衡。

该文把 16 通道反馈延迟网络做成端到端可微并用梯度下降拟合实测房间脉冲响应，在 9 个房间上以更少参数和更快训练达到更低混响时间误差，但训练延迟线可能引入可闻染色。

问题是在宽带频率不变波束成形中用最少且全频段共用的传声器逼近期望波束，方法是将 OLS 改为联合稀疏逐个选点并加掩蔽与递归实现，最强证据是同心圆阵上 41 个点的 OLS 与 OMP 布局相近且主瓣内近似频率不变，代价是本文只给图示而未报告白噪声增益与指向性的定量数值表。

论文以二维波方程与商空间拼贴推导矩形、环面、莫比乌斯带、克莱因瓶与实射影平面的闭式模态，并用有限差分时域仿真验证频率误差约 0.02% 量级、模态置信接近 1，代价是不可嵌入三维的非定向拓扑只能在平面基本域加边界规则中间接实现。

针对紧凑阵列按用户给定方向图做空间滤波的问题，该工作把采样方向图经 FiLM 调制送入 FT-JNF 并用差分与矩形混合配方训练，在未见高阶与缩放方向图上高于理想到达方向的参数滤波上界，代价是依赖大量无混响仿真语音与固定阵列几何。

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。

论文用四辆联网电动货运自行车组成可移动演奏系统，在亚特兰大 11 km 群骑中验证个人聆听、共在群体与城市环境三种声音互动尺度的切换，代价是无定量声学测量、依赖社区领骑保障安全且重型硬件仍需迭代。

该文把声场重建写成从稀疏测点集合到任意查询点幅值的算子学习，用分支网编码麦克风坐标与幅值、主干网编码查询坐标并以交叉注意力聚合，在 32×32 训练网格上训练后可直接查询 64×64 细网格，并在 64 或 128 个测点时报告优于扩散基线，代价是 256 个测点时基线反超且本文只重建幅值不重建相位。

论文把作曲从指定事件改为设定条件，用三层架构与成对射频加声学校准推断相对拓扑来参数化局部耦合，合成验证显示双模态距离误差降到 10.03 cm 左右而位置误差方差仍大，代价是真实房间性能尚未验证。

在听觉引导视觉搜索任务中比较个体化与 KEMAR 非个体化 HRTF 在消声与混响下的行为，证据显示消声下个体化使反应时平均缩短约 200 ms 且优势集中于动作发起而非总运动量，混响下优势消失。

针对传统降噪不分期望声与噪声一起压制的问题，该文把保向降噪写成降噪项与保持项加权优化，用方向调制的卷积网络从混合参考一次估计多通道 FIR 滤波器组，在 3300 个仿真场景以 22.8 dB 降噪和 -11.4 dB 期望失真取得折中，代价是近方向受阵列可分性限制且需按几何重训。

论文把 RIR 压缩从通用音频重建转向房间结构约束，用 EnCodec 单码本加 EDC 与局部能量加混响语音监督，在 375 bps 上把 T60 误差降到 1.14 s、ViSQOL 做到 4.11，但 46.875 bps 时容量明显不够。

声源定位 | 5.7/10

音频生成 | 6.6/10

音频生成 | 7.2/10

音乐理解 | 6.1/10

音乐源分离 | 7.7/10

空间音频 | 5.3/10

空间音频 | 7.6/10