UPV_RIR_DB: A Structured Room Impulse Response Database with Hierarchical Metadata and Acoustic Indicators
Universitat Politècnica de València(瓦伦西亚理工大学);Universidad Politécnica de Madrid(马德里理工大学);Universidad Carlos III de Madrid(卡洛斯三世马德里大学)
本文介绍了UPV_RIR_DB,一个包含测量房间冲击响应(RIR)的结构化数据库,提供具有明确空间元数据和可追溯采集参数的声学数据。数据库包含166个多通道RIR文件,共18,976个单个冲击响应,通过层次化组织和元数据描述测量上下文,确保可追溯性和可重复分析。
2026-03-26 eess.AS
Room Impulse Response Completion Using Signal-Prediction Diffusion Models Conditioned on Simulated Early Reflections
International Audio Laboratories Erlangen(埃尔朗根国际音频实验室);Fraunhofer Institute for Integrated Circuits (IIS)(弗劳恩霍夫集成电路研究所);Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU)(埃尔朗根-纽伦堡弗里德里希·亚历山大大学)
本文提出一种基于扩散模型的房间脉冲响应完成方法,利用图像源方法模拟的直达路径和早期反射进行条件生成,无需固定输入早期反射时长,并结合分类器引导生成目标分布,提升早期反射完成和能量衰减曲线重建性能。
2026-03-16 eess.AS
Deep Room Impulse Response Completion
Aalto University(阿尔托大学)
本研究提出DECOR模型,通过仅利用RIR早期部分生成晚期混响,提升空间音频生成效率。
2026-02-09 eess.AS
Neural acoustic multipole splatting for room impulse response synthesis
School of Electrical Engineering, KAIST(KAIST电气工程学院)
本文提出神经声学多极溅射方法,通过学习多极位置和预测信号,高效合成房间脉冲响应,实验表明其在多数指标上优于现有方法。
2026-02-02 eess.AS
Room impulse response prototyping using receiver distance estimations for high quality room equalisation algorithms
Aalborg University(奥尔堡大学);Bang & Olufsen a/s(邦及欧路夫森公司)
针对房间均衡中需构建多位置原型RIR的需求,提出基于接收端距离估计的加权平均RIR原型构建方法,配套距离估计方案,经模拟房间测试验证其均衡后频谱偏差表现。
2024-09-16 cs.SD eess.AS
Adapting a Text-to-Audio Model for Room Impulse Response Generation
Graduate School of Culture Technology, KAIST(科学技术院文化技术研究生院)
本文提出利用预训练文本到音频模型生成房间脉冲响应,通过视觉语言模型提取声学描述解决数据稀缺问题,验证大规模生成音频先验在该任务中的有效性。
2026-07-28 eess.AS
Room Impulse Response Synthesis via Differentiable Feedback Delay Networks for Efficient Spatial Audio Rendering
Perceptual Interfaces \& Reality Lab Department of Computer Science \& UMIACS University of Maryland, College Park
本研究提出一种可微可调的FDN架构,通过可微编程优化参数匹配RIR声学指标,实现实时动态空间音频渲染,质量接近传统BRIR卷积且计算成本大幅降低。
2025-09-30 cs.SD eess.AS
Multimodal Deep Learning Method for Real-Time Spatial Room Impulse Response Computing
Beijing Institute of Technology(北京理工大学)
本文提出一种多模态深度学习模型,用于VR混响生成实时空间房间脉冲响应,通过几何声学计算低阶反射,提升计算效率与个性化声学感知重建能力。
2026-04-07 eess.AS
Building and Evaluation of a Real Room Impulse Response Dataset
本文介绍了BUT ReverbDB -真实房间脉冲响应(RIR),背景噪声和重新传输的语音数据的数据集。重新传输的数据包括LibriSpeech测试干净,2000年HUB 5英语评估和2010年NIST说话人识别评估数据集的一部分。我们提供了RIR收集(硬件,软件,后处理)的详细描述,可以作为类似工作的“食谱”。我们还在两组自动语音识别(ASR)实验中验证了BUT ReverbDB,并得出了用真实和人工生成的RIR增强ASR训练数据的结论。我们表明,数量有限的真正的RIR,精心挑选,以匹配目标环境,提供的结果相比,大量的人工生成的RIR,这两组可以结合起来,以实现最佳的ASR结果。该数据集在非限制性许可证下免费分发,目前包含来自8个房间的数据,并且正在增长。该分发包还包含一个基于Kaldi的配方,用于增强公开的AMI近距离通话会议数据,并在AMI单远距离麦克风组上测试结果,使其能够重现我们的实验。
2019-05-30 eess.AS
Spatial Interpolation of Room Impulse Responses based on Deeper Physics-Informed Neural Networks with Residual Connections
Tokyo Denki University(东京电大学)
本文提出一种基于深度物理信息神经网络与残差连接的RIR空间插值方法,通过比较不同激活函数发现正弦波激活函数在插值和外推任务中表现最佳,同时提升了模型稳定性和反射成分估计精度。
2026-02-18 eess.AS
Perceptual Evaluation of Extrapolated Spatial Room Impulse Responses From a Mono Source
Bonza Music LTD(邦扎音乐有限公司)
针对沉浸式空间声学测量耗时昂贵的问题,本研究通过3AFC听力测试验证,从单声道测量外推的空间房间脉冲响应具备逼真度,可降低测量的时间与设备成本。
2025-10-06 eess.AS
Room Impulse Response Prediction with Neural Networks: From Energy Decay Curves to Perceptual Validation
本文提出由房间参数预测 EDC 并经反向微分重建 RIR 的神经网络框架,结合客观指标与 MUSHRA 测试验证其准确性和感知一致性。
2025-09-29 eess.AS
TS-RIR: Translated synthetic room impulse responses for speech augmentation
University of Maryland, College Park(马里兰大学帕克分校)
我们提出了一种提高远场语音识别的合成房间冲激响应质量的方法。我们的桥梁之间的差距,合成房间脉冲响应(RIR)的保真度和真实的房间脉冲响应使用我们的新的,TS-RIRGAN架构。给定原始音频形式的合成RIR,我们使用TS-RIRGAN将其转换为真实的RIR。我们还执行现实世界的子带房间均衡的翻译合成RIR。我们的整体方法通过补偿低频波效应来提高合成RIR的质量,类似于真实RIR中的那些。我们评估了改进的合成RIR在远场语音数据集上的性能,该数据集通过将LibriSpeech干净语音数据集[1]与RIR进行卷积并添加背景噪声来增强。我们表明,在Kaldi远场自动语音识别基准测试中,使用我们改进的合成RIR增强的远场语音将单词出错率降低了19.9%[2]。
2021-11-12 cs.SD eess.AS
MIRaGe: Multichannel Database Of Room Impulse Responses Measured On High-Resolution Cube-Shaped Grid In Multiple Acoustic Conditions
Technical University of Liberec(利贝雷茨技术大学);Bar-Ilan University(巴伊兰大学)
我们介绍了一个数据库的多通道录音进行的声学实验室可调混响时间。这些记录提供了关于扬声器的各个位置的房间脉冲响应(RIR)的信息。特别地,主要位置对应于46 × 36 × 32 cm体积内的立方体形状的密集网格的4104个顶点。因此,该数据库提供了一种工具,用于详细分析空间处理方法的波束图,以及用于训练和测试声场的数学模型。
2019-07-29 cs.SD eess.AS
Adding air attenuation to simulated room impulse responses: A modal approach
University of Edinburgh(爱丁堡大学)
空气吸收是模拟室内声学时要考虑的一个重要影响,因为它会导致高频的显著衰减。在这项研究中,离线的方法添加空气吸收到模拟房间冲激响应的设计。所提出的方法是基于一个系统的一维耗散波方程,可用于后处理的房间冲激响应模拟没有空气吸收,从而将丢失的频率依赖于距离的空气衰减的模式计划。数值例子来评估所提出的方法,以及与现有的基于滤波器的方法进行比较。
2021-07-25 cs.NA cs.SD eess.AS
SofaMyRoom: a fast and multiplatform "shoebox" room simulator for binaural room impulse response dataset generation
Acoustic Research Institute, Austrian Academy of Sciences(奥地利科学院声学研究所);University of Milan(米兰大学);Imperial College London(帝国理工学院)
本文介绍了一个鞋盒房间模拟器,能够系统地生成合成数据集的双耳房间脉冲响应(BRIR)给定的任意一组头部相关的传递函数(HRTF)。机器听觉算法的评估通常需要BRIR数据集,以便模拟任何环境的声学。然而,目前可用的解决方案通常只考虑在假人头部上测量的HRTF,这很难表征空间声音感知的高可变性。我们的解决方案允许将房间脉冲响应(RIR)模拟器与以空间定向格式表示的不同HRTF集集成。不同操作系统的源代码和编译的二进制文件允许高级和非专家用户从我们的工具箱中受益,请参阅https://github.com/spatialaudiotools/sofamyroom/。
2021-06-24 cs.LG cs.SD eess.AS
dEchorate: a Calibrated Room Impulse Response Database for Echo-aware Signal Processing
Univ Rennes, Inria, CNRS, IRISA(雷恩大学,法国国家信息与自动化研究所,法国国家科学研究中心,IRISA);Faculty of Engineering, Bar-Ilan University(巴伊兰大学工程学院);UMRAE, Cerema, Univ. Gustave Eiffel, Ifsttar(UMRAE,法国环境与国土公共工程研究中心,古斯塔夫·埃菲尔大学,法国国家交通与安全研究所);Université de Lorraine, Inria, CNRS, LORIA(洛林大学,法国国家信息与自动化研究所,法国国家科学研究中心,LORIA)
本文介绍了dEchorate:测量的多通道房间脉冲响应(RIR)的新数据库,包括早期回声定时和麦克风的3D位置的注释,在长方体房间中不同墙壁配置下的真实源和图像源。这些数据提供了一种工具,用于对最近的回声感知语音增强、房间几何估计、RIR估计、声学回声检索、麦克风校准、回声标记和反射器估计中的方法进行基准测试。该数据库配有软件实用程序,可轻松访问、操作和可视化数据以及回声相关任务的基线方法。
2021-04-27 cs.SD eess.AS
Room Impulse Response Embeddings for Speech Enhancement in Noisy and Reverberant Environments
Paderborn University(帕德博恩大学)
提出自监督方法学习房间冲激响应嵌入,用于在混响和噪声环境中提升语音增强性能,并在所有指标上取得一致改进。
2026-09-28 cs.SD eess.AS
Dataset of Spatial Room Impulse Responses in a Variable Acoustics Room for Six Degrees-of-Freedom Rendering and Analysis
Aalto University(阿尔托大学)
从物理声学建模和语音增强到虚拟现实应用,室内声学测量被用于音频研究的许多领域。本文记录了在可变声学房间中测量空间房间脉冲响应(SRIR)数据集的技术规格和选择。使用两个球形麦克风阵列:mh Acoustics Eigenmike em 32和Zylia ZM-1,分别能够实现四阶和三阶高保真度立体声捕获。该数据集由三个源和七个接收器位置组成,重复了房间声学的五种配置,具有不同的混响水平。数据集的可能应用包括六自由度(6DoF)分析和渲染,SRIR插值方法和空间去混响技术。
2021-11-23 cs.SD eess.AS eess.SP
Detecting Sound-Absorbing Materials in a Room from a Single Impulse Response using a CRNN
Imperial College London(帝国理工学院)
房间表面的材料在塑造房间内的听觉体验方面发挥着重要作用。不同的材料吸收不同程度的能量。吸收水平也随频率而变化。本文研究了如何从测量的脉冲响应在房间里的线索,可以利用机器来检测存在的材料。有了这个动机,本文提出了一种方法来估计的存在概率的10种材料类别,基于它们的频率相关的吸收特性。该方法基于CNN-RNN,训练为多任务分类器。该网络使用来自文献的关于材料吸收特性的先验知识进行训练。在所示的实验中,该网络在超过5,00个脉冲响应和167种材料上进行了测试。检测的F1得分为98%,具有均匀的准确率和召回率。该方法在建筑声学和创建更简约的声学反射模型中找到了直接应用。
2019-10-27 cs.SD eess.AS
IR-GAN: Room Impulse Response Generator for Far-field Speech Recognition
University of Maryland, College Park(马里兰大学帕克分校)
提出了一种基于生成对抗网络(GAN)的房间脉冲响应生成器(IR-GAN),用于生成真实的合成房间脉冲响应(RIR)。IR-GAN从捕获的真实世界RIR中提取声学参数,并使用这些参数生成新的合成RIR。我们使用这些生成的合成RIR来提高远场自动语音识别在新的环境中,是不同的训练数据集中使用的。特别是,我们通过将我们的合成RIR与干净的LibriSpeech数据集进行卷积来增强远场语音训练集。我们在使用来自BUT ReverbDB和AIR数据集的真实世界RIR创建的真实世界LibriSpeech测试集上评估了我们的合成RIR的质量。在远场语音识别基准测试中,我们的IR-GAN报告的出错率比几何声学模拟器(GAS)低8.95%。当我们将我们的合成RIR与使用GAS生成的合成脉冲响应相结合时,我们进一步提高了性能。在远场语音识别基准测试中,这种组合可以将单词出错率降低高达14.3%。
2021-04-06 cs.SD eess.AS
An Anchor-Point Based Image-Model for Room Impulse Response Simulation with Directional Source Radiation and Sensor Directivity Patterns
Northwestern Polytechnical University(西北工业大学);Huawei(华为);University of Quebec(魁北克大学)
本研究拓展房间冲激响应仿真的镜像模型方法,提出纳入声源辐射与传感器指向性的锚点镜像模型(APIM),通过给真实声源加锚点确定虚声源朝向,开发了兼顾指向性函数、分数时延与计算复杂度的生成算法,可用于多类声学场景。
2023-08-21 cs.SD eess.AS
Echo Detection in Spatial Room Impulse Responses Measured with Spherical Microphone Arrays Using the Herglotz Wavefunction
STMS, Ircam–Sorbonne Université–CNRS–Ministère de la Culture(STMS,Ircam-索邦大学-CNRS-文化部);Acoustics Research Institute, Austrian Academy of Sciences(奥地利科学院声学研究所)
本文提出一种基于Herglotz波函数的方法,用于检测和特征化球面麦克风阵列测量的空间房间冲激响应中的早期反射,通过球谐域定位和自适应径向高斯拟合估计到达方向及反射数量,实验表明其定位精度和多重反射检测可靠性优于传统SRP和MUSIC方法。
2026-09-24 eess.AS
Solving Room Impulse Response Inverse Problems Using Flow Matching with Analytic Wiener Denoiser
Aalto University(阿尔托大学);Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU)(埃尔朗根-纽伦堡弗里德里希·亚历山大大学)
本文提出RIRFlow框架,通过流匹配与解析维纳去噪器解决RIR反问题,无需训练数据,结合经典模型与生成推断提升反问题求解性能。
2026-01-31 eess.AS
Spatial Audio Coding Through Relative Room Impulse Response Estimation
Orange Research(Orange研究);IRISA
本文提出一种基于相对空间房间冲激响应盲估计的HOA编码方案,利用其稀疏性实现高效参数化表示,在单通道下压缩率优于IVAS且质量相当或更优。
2026-09-09 eess.AS
Blind Room Impulse Response Identification via Reverberant Speech Spectrum Reconstruction
Zhejiang University(浙江大学);Westlake University(西湖大学);Westlake Institute for Advanced Study(西湖高等研究院)
提出Rec-RIR方法,基于卷积传递函数近似,通过多任务深度神经网络顺序去除噪声和混响,并利用混响语音频谱重建估计CTF滤波器,再通过伪侵入式测量转换为RIR,实现盲RIR识别,性能达到SOTA。
2026-06-29 eess.AS eess.SP
ReverbFX: A Dataset of Room Impulse Responses Derived from Reverb Effect Plugins for Singing Voice Dereverberation
Julius Richter ∗ , Till Svajda ∗ , Timo Gerkmann(未知)
提出用于歌声去混响的ReverbFX数据集,包含从混响插件捕获的RIR;实验表明,基于插件RIR训练的生成模型在人工混响场景下优于基于真实RIR训练的模型。
2025-08-13 cs.SD eess.AS
Sensitivity of Room Impulse Responses in Changing Acoustic Environment
University of York(约克大学);School of Physics, Engineering and Technology(物理、工程与技术学院);AudioLab(音频实验室)
该研究提出利用连续房间脉冲响应的短时相干性和敏感性评级来量化声学环境变化,并能区分大气变化、吸声改变与人员存在,为房间声学分析提供了新方法。
2025-01-02 cs.SD eess.AS
The PerspectiveLiberator -- an upmixing 6DoF rendering plugin for single-perspective Ambisonic room impulse responses
Institute of Electronic Music and Acoustics, University of Music and Performing Arts Graz(格拉茨音乐与表演艺术大学电子音乐与声学研究所)
如今,虚拟现实界面允许用户在六个自由度(6DoF)中虚拟地改变视角,并且与视觉部分一致,声学视角需要交互地更新。具有动态头部旋转的单视角渲染已经相当可靠地与上混的一阶Ambisonic房间脉冲响应(ASDM、SIRR等)一起工作。本文提出了一个插件,通过实时透视外推将虚拟透视从测量透视中解放出来:透视解放者。该插件允许在两种不同的算法之间进行选择,用于定向分辨率增强(ASDM,4DE)。对于其基于卷积的6DoF渲染的主要任务,该插件检测并定位早期Ambisonic房间脉冲响应中的突出方向性声音事件,并使用方向,到达时间和适应虚拟收听者的可变视角的水平对其进行重新编码。漫反射残差在方向分辨率上得到增强,但不受反射运动的影响,以尽可能多地保留原始房间印象。
2022-10-10 cs.SD eess.AS
HOMULA-RIR: A Room Impulse Response Dataset for Teleconferencing and Spatial Audio Applications Acquired Through Higher-Order Microphones and Uniform Linear Microphone Arrays
本文提出HOMULA-RIR数据集,利用高阶麦克风和64麦克风均匀线性阵列采集研讨室冲激响应,以建模远程电话会议场景,并通过混响、清晰度、定位与分离实验验证其有效性。
2024-02-21 eess.AS eess.SP
Room Impulse Response as a Prompt for Acoustic Echo Cancellation
Inner Mongolia University(内蒙古大学)
本文提出将房间脉冲响应作为训练提示引入声学回声消除模型,并探索四种提示融合方法,在模拟和真实环境中显著提升了模型的泛化性能。
2025-05-26 cs.SD eess.AS
RIR-Mega: a large-scale simulated room impulse response dataset for machine learning and room acoustics modeling
Amazon(亚马逊)
本文提出RIR-Mega,一个包含50,000个仿真房间冲激响应的大规模数据集,附有元数据模式、工具和基线模型,用于支持去混响、语音识别等研究,并公开数据与代码以促进可重复研究。
2025-10-28 eess.AS eess.SP
Room Impulse Response Estimation in a Multiple Source Environment
Gaudio Lab, Inc.(高迪奥实验室公司)
本文针对多声源房间提出预测“代表性”房间脉冲响应的新任务及训练方法,使模型在不同声源数量下均保持稳健性能。
2023-05-25 cs.SD eess.AS
Filtered Noise Shaping for Time Domain Room Impulse Response Estimation From Reverberant Speech
Facebook Reality Labs Research(Facebook现实实验室研究部)
深度学习方法已经出现,旨在转换音频信号,使其听起来就像是在同一个房间录制的参考录音,并应用于音频后期制作和增强现实。在这项工作中,我们提出了FiNS,一个过滤的噪声整形网络,直接估计混响语音的时域房间脉冲响应(RIR)。我们的域启发架构具有时域编码器和滤波噪声整形解码器,该解码器将RIR建模为衰减滤波噪声信号的总和,以及直接声音和早期反射分量。用于声学匹配的先前方法利用大模型来变换音频以匹配目标房间或预测用于算法混响器的参数。相反,RIR的盲估计使得能够利用单个卷积进行有效且现实的变换。评估表明,我们的模型不仅合成了与目标房间参数匹配的RIR,如$T_{60}$和DRR,而且还更准确地再现了目标房间的感知特征,如与深度学习基线相比时的听力测试所示。
2021-07-15 cs.SD eess.AS
Speech dereverberation constrained on room impulse response characteristics
Telecom Paris, Institut polytechnique de Paris(巴黎理工学院电信学院);Mitsubishi Electric Research Laboratories (MERL)(三菱电机研究实验室)
针对现有深度学习语音去混响方法缺乏房间声学可解释性的问题,提出用物理一致性损失正则化训练,使输出诱导的RIR匹配房间声学特性,兼顾去混响效果与物理一致性。
2024-07-10 cs.SD eess.AS eess.SP
StoRIR: Stochastic Room Impulse Response Generation for Audio Data Augmentation
Samsung R\&D Institute Poland
在本文中,我们介绍了StoRIR -一种随机房间脉冲响应生成方法,专用于机器学习应用中的音频数据增强。与像图像源或射线跟踪这样的几何方法相反,该技术不需要预先定义房间几何形状、吸收系数或麦克风和源放置,并且仅取决于房间的声学参数。该方法是直观的,易于实现,并允许生成非常复杂的外壳的RIR。我们发现,当在语音增强任务中用于音频数据增强时,与使用传统的图像源方法相比,StoRIR允许深度学习模型在广泛的指标上取得更好的结果,有效地将其中许多指标提高了5%以上。我们在线发布了StoRIR的Python实现
2020-08-17 cs.LG cs.SD eess.AS
3D Room Geometry Inference from Multichannel Room Impulse Response using Deep Neural Network
Korea Advanced Institute of Science and Technology (KAIST)(韩国科学技术院)
针对未知墙面数量与多样房间形状问题,提出由特征提取、参数估计和置信度评估组成的深度神经网络,从多通道RIR推断三维房间几何,并在约40,000个仿真RIR上验证其近完美墙面数识别与极小形状误差。
2024-01-19 cs.SD eess.AS
RevRIR: Joint Reverberant Speech and Room Impulse Response Embedding using Contrastive Learning with Application to Room Shape Classification
OrCam Technologies LTD(奥坎科技有限公司);Bar Ilan University(巴伊兰大学)
本文提出 RevRIR 双编码器架构,利用对比学习将混响语音与房间脉冲响应联合嵌入,直接从语音估计房间参数,并在模拟环境中有效完成了房间形状分类任务。
2024-06-05 cs.LG cs.SD eess.AS
Blind Spatial Impulse Response Generation from Separate Room- and Scene-Specific Information
Bang & Olufsen A/S(邦及欧路夫森公司);Aalto University(阿尔托大学)
本文提出一种用于增强现实音频的盲空间脉冲响应生成方法,通过对比损失训练的编码器提取房间特定信息,并结合基于扩散的生成器在给定新声源-接收器位置时生成空间房间脉冲响应,同时兼顾房间与位置参数。
2024-09-23 cs.LG cs.SD eess.AS
Room Impulse Response Estimation using Optimal Transport: Simulation-Informed Inference
针对低信噪比等场景下利用环境信号估计房间冲激响应(RIR)难度大、传统幅值先验在延迟结构信息近似时失效的问题,提出基于最优传输构建延迟结构先验的RIR估计方法,可有效利用简单仿真模型信息,对房间尺寸与温度扰动鲁棒性强。
2024-03-06 eess.AS eess.SP
Blind identification of Ambisonic reduced room impulse response
Orange Labs(Orange实验室)
本文针对广义时域速度矢量(GTVV)闭式表达中参考信号需为最小相位滤波器的假设限制,提出直接对构成GTVV时间序列的脉冲响应进行建模以放宽假设并实现更高效的盲系统辨识,实测实验验证了该方法的有效性。
2023-11-06 cs.SD eess.AS eess.SP
RGI-Net: 3D Room Geometry Inference from Room Impulse Responses With Hidden First-Order Reflections
Samsung Electronics Co., Ltd.(三星电子株式会社)
本文提出RGI-Net,利用房间脉冲响应中低阶与高阶反射的关系,在无需凸形状、已知墙数和一阶反射可见等假设下实现3D房间几何推断。
2024-07-27 cs.AI cs.SD eess.AS
Spatial Data Augmentation with Simulated Room Impulse Responses for Sound Event Localization and Detection
Sony Group Corporation(索尼集团公司);The University of Tokyo(东京大学)
为声音事件定位和检测(SELD)任务记录和注释真实声音事件是耗时的,并且当数据量有限时,数据增强技术通常是有利的。然而,如何在数据集中增加空间信息,包括未标记的定向干扰事件,仍然是一个开放的研究问题。此外,定向干扰事件使得难以从目标声音事件中准确地提取空间特征。为了解决这个问题,我们提出了一个脉冲响应模拟框架(IRS),增强空间特性,使用模拟房间脉冲响应(RIR)。准确地模拟与假设放置在各个房间中的麦克风阵列相对应的RIR,并且从混合物中提取目标声音事件的源信号。然后将模拟的RIR与提取的源信号卷积以获得增强的多通道训练数据集。使用TAU-NIGENS Spatial Sound Events 2021数据集获得的评估结果表明,IRS有助于提高整体SELD性能。此外,我们进行了一项消融研究,以讨论IRS中每个组件的贡献和需求。
2022-04-28 cs.SD eess.AS
Gencho: Room Impulse Response Generation from Reverberant Speech and Text via Diffusion Transformers
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Adobe Research(Adobe研究);University of Maryland(马里兰大学);MIT(麻省理工学院)
Gencho通过扩散变压器模型从混响语音和文本生成房间脉冲响应,实现了更灵活和逼真的声学模拟与生成。
2026-02-09 cs.SD eess.AS
Impulse Response Data Augmentation and Deep Neural Networks for Blind Room Acoustic Parameter Estimation
Adobe Research(奥多比研究院)
混响时间(T60)和直达混响比(DRR)通常用于表征室内声学环境。这两个参数都可以从声学脉冲响应(AIR)或使用直接从语音执行估计的盲估计方法来测量。当神经网络用于盲估计,但是,一个大的现实的数据集是必要的,这是昂贵的和耗时的收集,为了解决这个问题,我们提出了一个AIR增强方法,可以参数化控制的T60和DRR,使我们能够扩大一个小的数据集的真实AIR到一个平衡的数据集的数量级更大。使用这种方法,我们训练以前提出的卷积神经网络(CNN),并显示我们可以超越过去的单通道最先进的方法。然后,我们提出了一种更有效,更直接的基线CNN,速度快4- 5倍,这提供了额外的改进,并且比所有先前报道的单通道和多通道最先进的方法更好或相当。
2019-10-21 cs.SD eess.AS
RIR-SF: Room Impulse Response Based Spatial Feature for Target Speech Recognition in Multi-Channel Multi-Speaker Scenarios
Johns Hopkins University(约翰斯·霍普金斯大学);Tencent AI Lab(腾讯AI实验室)
针对多通道多说话人ASR忽视反射波的问题,提出基于房间脉冲响应的RIR-SF空间特征及全神经多通道框架,显著提升混响环境下目标语音识别鲁棒性,CER相对降低21.3%。
2024-06-11 cs.AI eess.AS
DARAS: Dynamic Audio-Room Acoustic Synthesis for Blind Room Impulse Response Estimation
School of Information Science and Technology, Beijing University of Technology(信息科学与技术学院,北京理工大学);Unseen AI Inc.(Unseen AI公司)
针对现有盲房间脉冲响应估计精度不足的问题,提出DARAS深度学习框架,通过深度音频编码器、基于Mamba的盲房间参数估计模块、交叉注意力特征融合及动态声学调整解码器,从单耳混响语音中有效合成RIR,显著优于基线模型。
2025-11-04 cs.SD eess.AS
Tracking of Spatially Dynamic Room Impulse Responses Along Locally Linearized Trajectories
本研究针对前期沿线性轨迹估计房间脉冲响应方法适用范围小、未用真实数据验证的问题,通过将长轨迹分割为局部线性区间逐段应用该方法,并用trajectoRIR数据库验证了其在更复杂房间环境中的有效性。
2025-06-13 eess.AS eess.SP
Optimal transport of image sources for interpolation of room impulse responses with moving sources
Uppsala University(乌普萨拉大学);Aalto University(阿尔托大学)
本文提出一种基于部分最优传输的插值方法,利用图像源与物理声源移动距离相同的特性,通过统计模型推导成本函数,实现移动声源轨迹中图像源位置的有效插值。
2026-09-16 eess.AS eess.SP
MMAudioReverbs: Video-Guided Acoustic Modeling for Dereverberation and Room Impulse Response Estimation
Sony Group Corporation(索尼集团公司);Sony AI(索尼人工智能)
本文提出MMAudioReverbs框架,利用预训练视频到音频模型进行去混响和房间脉冲响应估计,通过小数据集微调实现无需修改网络结构的统一处理。
2026-05-01 cs.CV cs.LG cs.SD
gpuRIR: A Python Library for Room Impulse Response Simulation with GPU Acceleration
University of Zaragoza(萨拉戈萨大学)
镜像源法(ISM)是计算声学房间脉冲响应(RIR)最常用的技术之一,然而,其计算复杂度随着房间混响时间的增加而快速增长,并且对于需要大量RIR的应用来说,其计算时间可能是令人望而却步的。在本文中,我们提出了一种新的实现,大大提高了ISM的计算速度,通过使用图形处理单元(GPU)并行化多个RIR的模拟和每个RIR内的图像的计算。通过利用新GPU的混合精度功能和使用查找表,实现了额外的加速。我们提供了一个GNU许可下的Python库,可以在没有任何GPU编程知识的情况下轻松使用,我们表明它比其他最先进的CPU库快100倍。它可以成为许多需要执行大量声学模拟的应用程序的强大工具,例如用于音频信号处理的训练机器学习系统,或用于沉浸式多媒体系统的实时室内声学模拟,例如增强现实或虚拟现实。
2020-10-09 cs.SD eess.AS
Yet Another Generative Model For Room Impulse Response Estimation
Supertone, Inc.(Supertone公司)
该研究针对房间冲激响应估计问题,提出基于残差量化自编码器与多轴Transformer变体的自回归令牌生成架构,同时解决盲估计与声学匹配任务,性能优于现有基线。
2023-11-05 cs.SD eess.AS
State-Space Estimation of Spatially Dynamic Room Impulse Responses using a Room Acoustic Model-based Prior
本文提出一种基于状态空间模型的方法,用于估计固定声源与匀速移动麦克风之间空间动态房间脉冲响应的早期部分,将到镜像源的时变距离整合到状态转移矩阵中,仿真表明其优于现有方法。
2024-11-13 eess.AS eess.SP
MEAN-RIR: Multi-Modal Environment-Aware Network for Robust Room Impulse Response Estimation
University of Science and Technology of China(科学技术大学);AI Research Center, Midea Group (Shanghai) Co.,Ltd.(美的集团(上海)有限公司人工智能研究中心)
针对房间冲激响应估计问题,提出融合音视文多模态环境信息的MEAN-RIR网络,通过编码器-解码器与交叉注意力机制结合双分量合成策略,显著提升估计精度与声学参数表现。
2025-09-05 cs.SD eess.AS