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
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
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
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
On the Usefulness of Diffusion-Based Room Impulse Response Interpolation to Microphone Array Processing
Bar-Ilan University（巴伊兰大学）
本文探讨了扩散基插值在多麦克风阵列处理中的应用，验证了其在真实房间脉冲响应插值中的鲁棒性。
2026-03-30 cs.SD
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
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
Evaluation of Deep-Learning-Based Voice Activity Detectors and Room Impulse Response Models in Reverberant Environments
Technion -- Israel Institute of Technology（以色列理工学院）
最先进的基于深度学习的语音活动检测器（VAD）通常使用消声数据进行训练。然而，真实的声学环境通常是混响的，这导致性能显著恶化。为了减轻训练数据和真实数据之间的这种不匹配，我们模拟了一个包含近500万个话语的增强训练集。该扩展包括消声话语及其混响修改，由消声话语与各种房间脉冲响应（RIR）的卷积生成。我们考虑了五种不同的模型来生成RIR，以及五种不同的VAD，它们是用增强训练集训练的。我们在三种不同的真实混响环境中测试所有经过训练的系统。实验结果表明，$20\%$的准确性，精确度和召回率的平均增加所有检测器和响应模型，与消声训练。此外，对于所有测试的VAD，其中一个RIR模型始终比其他模型产生更好的性能。此外，在所有实验中，其中一种VAD始终优于其他VAD。
2021-06-25 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
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
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
PathRIR: Physics-Guided Acoustic Path Selection and Late-Tail Compensation for Fast Room Impulse Response Simulation
The Australian National University（澳大利亚国立大学）；The University of Queensland（昆士兰大学）
研究针对基于ISM的RIR模拟计算成本高的问题，提出物理引导框架PathRIR，保留ISM几何结构并学习保留重要路径，用轻量级补偿多层感知器恢复能量，实验表明其能减少计算、提高效率并降低误差。
2026-08-13 cs.LG cs.SD eess.AS
FAST-RIR: Fast neural diffuse room impulse response generator
University of Maryland, College Park（马里兰大学帕克分校）；Tencent AI Lab（腾讯人工智能实验室）
我们提出了一种基于神经网络的快速扩散房间脉冲响应发生器（FAST-RIR），用于生成给定声学环境的房间脉冲响应（RIR）。我们的FAST-RIR以矩形房间尺寸、收听者和扬声器位置以及混响时间作为输入，并为给定的声学环境生成镜面反射和漫反射。我们的FAST-RIR是能够产生一个给定的输入混响时间的平均误差为0.02秒的RIR。我们使用Google Speech API，Microsoft Speech API和Kaldi工具在自动语音识别（ASR）应用程序中评估我们生成的RIR。我们表明，我们提出的批量大小为1的FAST-RIR比CPU上最先进的漫射声模拟器（DAS）快400倍，并在ASR实验中提供与DAS相似的性能。我们的FAST-RIR比现有的基于GPU的RIR生成器（gpuRIR）快12倍。我们表明，我们的FAST-RIR优于gpuRIR的2.5%，在AMI远场ASR基准。
2022-02-06 cs.AI cs.LG cs.SD
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
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
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
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
MB-RIRs: a Synthetic Room Impulse Response Dataset with Frequency-Dependent Absorption Coefficients
Universitat Pompeu Fabra（庞培法布拉大学）；Music Technology Group（音乐技术小组）；Eurecat（欧瑞卡特）；Centre Tecnològic de Catalunya（加泰罗尼亚技术中心）；Tecnologies Multimèdia（多媒体技术）
本研究通过引入多频带吸收系数、声源与接收器指向性等特征改进传统ISM鞋盒RIRs，并对比SoundSpaces网格RIRs，训练DeepFilternet3模型，发现使用频率相关吸收系数的MB-RIRs在真实测试集上使语音增强SDR提升0.51dB、MUSHRA增加8.9分。
2025-07-13 cs.LG 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
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
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
Blind Room Parameter Estimation Using Multiple-Multichannel Speech Recordings
CNRS（法国国家科学研究中心）；Inria（法国国家信息与自动化研究所）；Loria（洛林计算机科学及其应用研究所）
知道房间的几何和声学参数可以有益于诸如音频增强现实、语音去混响或音频取证之类的应用。在本文中，我们研究的问题，联合估计的总表面积，体积，以及频率相关的混响时间和平均表面吸收的房间在一个盲目的方式，基于双通道嘈杂的语音记录从多个，未知的源接收器的位置。提出了一种新的利用单通道和通道间线索的卷积神经网络架构，并在一个大型的、逼真的模拟数据集上进行了训练。模拟和真实数据的结果表明，在一个房间中使用多个观测值显着减少了所有目标量的估计误差和方差，使用两个通道有助于估计表面和体积。该模型优于最近提出的盲体积估计方法所考虑的数据集。
2021-07-29 cs.LG cs.SD eess.AS
Joint Blind Room Acoustic Characterization From Speech And Music Signals Using Convolutional Recurrent Neural Networks
Logitech Europe S.A.（罗技欧洲股份公司）
声学环境表征为声音再现创新、智能E Qing、语音增强、助听器和取证打开了大门。混响时间、清晰度和直达混响比是已经被定义为描述混响环境的声学参数。它们与语音清晰度和声音质量密切相关。如ISO 3382标准中所解释的，它们可以从称为房间脉冲响应（RIR）的房间测量中得出。然而，测量RIR需要特定的设备和播放侵入性声音。最近的音频与机器学习的结合表明，人们可以使用语音或音乐信号来盲估计这些参数。我们遵循这些进展，并提出了一个强大的端到端的方法来实现盲联合声学参数估计使用语音和/或音乐信号。我们的研究结果表明，卷积循环神经网络在这项任务中表现最好，并且在训练中包含音乐也有助于改善语音推理。
2020-10-21 cs.LG cs.SD eess.AS
BUDDy: Single-Channel Blind Unsupervised Dereverberation with Diffusion Models
Aalto University（阿尔托大学）；Universität Hamburg（汉堡大学）
本文提出BUDDy方法，利用扩散模型后验采样在单通道无监督条件下联合实现盲去混响和房间脉冲响应估计，无需成对数据且对未知声学环境更鲁棒。
2024-05-07 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
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
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
Blind Acoustic Room Parameter Estimation Using Phase Features
New York University（纽约大学）；Sonos Experience Limited（Sonos体验有限公司）；Sonos, Inc.（Sonos公司）
在现场环境中对房间声学进行建模涉及到从噪声和混响音频中进行一定程度的盲参数估计。现代方法利用卷积神经网络（CNN）与时频表示。使用短时傅里叶变换来开发这些类频谱特征已经显示出有希望的结果，但是该方法隐含地丢弃了相位域中的大量音频信息。受最近语音增强工作的启发，我们提出利用新的相位相关功能，以扩展最近的方法，盲目估计所谓的“混响指纹”参数，即体积和RT 60。这些功能的添加被证明优于现有的方法，仅依赖于幅度为基础的频谱功能在广泛的声学空间。我们评估部署这些新功能在单参数和多参数估计策略的有效性，使用一个新的数据集，包括公开的房间脉冲响应（RIR），合成RIR，和内部测量的真实声学空间。
2023-03-13 cs.LG cs.SD eess.AS
Full band denoising of room impulse response in the wavelet domain with dictionary learning
Trinnov Audio（Trinnov音频）
本文提出基于小波域的字典学习方法，通过时间变化误差容忍度扩展去噪至近似系数，提升低频去噪效果，更准确估计声学参数。
2026-04-29 cs.SD math.OC
Blind Estimation of Room Acoustic Parameters and Speech Transmission Index using MTF-based CNNs
Japan Advanced Institute of Science and Technology（日本先进科学技术学院）；National Science and Technology Development Agency（国家科技发展局）；Sirindhorn International Institute of Technology, Thammasat University（泰国法政大学诗琳通国际理工学院）
提出了一种基于调制传递函数和Schroeder模型的七倍频程混响时间盲估计方法。因此，可以估计语音传输指数和五个房间声学参数。
2021-03-14 cs.SD eess.AS
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
HARP: A Large-Scale Higher-Order Ambisonic Room Impulse Response Dataset
Leibniz University Hannover（莱布尼茨汉诺威大学）
本文提出了一个基于Image Source Method的7阶Ambisonic房间脉冲响应（HOA-RIRs）大规模数据集HARP，采用独特的64麦克风配置直接在球谐域捕获RIRs，为空间音频、机器学习声学建模及声场合成等任务提供了高空间分辨率与真实感的关键资源。
2025-01-19 cs.AI cs.LG cs.MM
MeshRIR: A Dataset of Room Impulse Responses on Meshed Grid Points For Evaluating Sound Field Analysis and Synthesis Methods
The University of Tokyo（东京大学）
介绍了一种称为“MeshRIR”的新的脉冲响应（IR）数据集。当前可用的数据集通常包括在各种室内条件下来自若干源位置的麦克风阵列处的IR，其基本上被设计用于评估语音增强和远距离语音识别方法。另一方面，近年来，空间声场的估计或控制方法得到了广泛的研究;然而，由于测量点的低空间分辨率，当前的IR数据集不适用于验证和比较这些方法。MeshRIR由在通过精细离散空间区域获得的位置处测量的IR组成。目前有两个子数据集：一个由来自单个源的三维立方体区域中的IR组成，另一个由来自32个源的阵列的二维正方形区域中的IR组成。因此，MeshRIR适用于评估声场分析和合成方法。这个数据集可以在https://sh01k.github.io/MeshRIR/上免费获得，并附带一些示例应用程序的代码。
2021-07-23 cs.SD eess.AS
Implicit neural representation with physics-informed neural networks for the reconstruction of the early part of room impulse responses
Politecnico di Milano（米兰理工大学）
本文提出基于物理信息神经网络的隐式神经表示方法，利用波动方程约束从有限观测点重建均匀线性阵列中缺失的房间脉冲响应早期部分，在真实测量上以轻量架构达到与前沿深度学习及压缩感知方法相当的性能。
2023-06-20 cs.LG cs.SD eess.AS
Acoustivision Pro: An Open-Source Interactive Platform for Room Impulse Response Analysis and Acoustic Characterization
Acoustics Researcher, WA, USA（声学研究员，华盛顿州，美国）
AcoustiVision Pro 是一个开源平台，用于分析房间脉冲响应并进行声学表征，提供多种声学参数计算、可视化和标准化检查功能。
2026-02-11 cs.SD eess.AS eess.SP
Towards Improved Room Impulse Response Estimation for Speech Recognition
University of Maryland, College Park（马里兰大学帕克分校）；Reality Labs Research at Meta（Meta现实实验室研究部）
我们提出了一种新的方法，盲室脉冲响应（RIR）估计系统的背景下，下游的应用场景，远场自动语音识别（ASR）。我们首先画出改进的RIR估计和改进的ASR性能之间的联系，作为评估神经RIR估计的一种手段。然后，我们提出了一种基于生成对抗网络（GAN）的架构，该架构对混响语音的RIR特征进行编码，并从编码的特征中构建RIR，并使用一种新的能量衰减救济损失来优化捕获输入混响语音的基于能量的特性。我们表明，我们的模型优于声学基准的最先进的基线（17\%的能量衰减救济和22\%的早期反射能量度量），以及在ASR评估任务（6.9\%的字出错率）。
2023-03-19 cs.AI cs.SD eess.AS
Environment Classification via Blind Roomprints Estimation
Fraunhofer Institute for Digital Media Technology（弗劳恩霍夫数字媒体技术研究所）；Ilmenau University of Technology（伊尔梅瑙工业大学）
在本文中，我们提出了一种新的方法用于语音记录的环境分类，它不需要选择衰减混响尾巴。它基于盲信道估计的多频带RT60分析，并且在来自ACE语料库的测试记录上实现了高达93.6%的准确度。
2023-01-26 cs.SD eess.AS
Dereverberation Filter by Deconvolution with Frequency Bin Specific Faded Impulse Response
ResearchGate
本文提出了一种基于频域特定衰减的单通道去混响滤波器，通过盲估计混响时间比来优化脉冲响应，以提升信号清晰度。
2026-01-10 cs.SD eess.AS
Gridless 3D Recovery of Image Sources from Room Impulse Responses
Université de Lorraine（洛林大学）；CNRS（法国国家科学研究中心）；Inria（法国国家信息与自动化研究所）；LORIA（洛林计算机科学及其应用研究室）；Université de Strasbourg（斯特拉斯堡大学）；IRMA（高等数学与应用研究所）；Cerema（法国风险、环境、流动性与规划研究中心）；Univ. Gustave Eiffel（古斯塔夫·埃菲尔大学）；Ifsttar（法国交通发展与网络科技研究所）；UMRAE（环境声学联合研究实验室）
给定由脉冲图像源的稀疏分布生成的声场，这些源的连续3D位置和幅度是否可以从有限位置集合处的场的离散、带限测量恢复，例如，多通道房间脉冲响应借用超分辨率成像的最新进展，它表明，这个非线性，非凸反问题可以有效地放松成一个凸线性反问题的氡措施在R3的空间。这里引入的线性算子源于自由场非齐次波动方程的基本解与接收器的响应相结合。提出了滑动Frank-Wolfe算法的适应性以数值地解决离网问题，即，在连续的3D空间中。仿真实验表明，该方法实现了近准确的恢复数百个图像源使用任意放置的紧凑的32通道球形麦克风阵列在随机的矩形房间。噪声，采样率和阵列直径对这些结果的影响进行了检查。
2022-12-07 cs.SD eess.AS eess.SP
Room Impulse Responses help attackers to evade Deep Fake Detection
Nanyang Technological University（南洋理工大学）；The Hong Kong Polytechnic University（香港理工大学）
本文研究了利用房间脉冲响应增强伪造语音以逃避检测的攻击方法，并提出使用大规模合成RIR数据集增强训练数据，成功将DF任务EER降至2.13%。
2024-09-23 cs.SD eess.AS
EchoMark: Perceptual Acoustic Environment Transfer with Watermark-Embedded Room Impulse Response
University of Houston（休斯顿大学）；Clemson University（克莱姆森大学）；Independent Researcher（独立研究员）
EchoMark通过在潜在域中联合优化感知损失与水印检测损失，实现高质量声学环境迁移与可靠水印恢复，实验表明其在声学参数匹配和水印检测方面性能优异。
2026-03-31 cs.AI cs.LG cs.SD
Auralization based on multi-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）
本文提出对空间网格上的 Ambisonic 房间脉冲响应进行声音事件分解、视角外推与线性插值，以生成可变听者视角的可听化，并通过测量与模拟数据集及听音实验确定参数。
2023-12-06 cs.SD eess.AS
Gauss Circle Lattices with Geometric Convolutions for Synthesizing High Dimensional Image-Source Room Impulse Responses
University of California, Berkeley（加州大学伯克利分校）
提出一种将图像源模型中的格点计数问题转化为经典高斯圆问题的方法，通过几何卷积将计算复杂度从O(k^N)降低到O(N k^2 log k)，并扩展至频率依赖和反射加权的更高维图像源。
2026-07-24 cs.SD eess.AS math.CO
Neural Acoustic Context Field: Rendering Realistic Room Impulse Response With Neural Fields
University of Rochester（罗切斯特大学）；Meta Reality Labs Research（Meta现实实验室）
针对现有神经场方法忽视音频场景声学属性的问题，本文提出 NACF，融合几何、材料与空间上下文，并设计时间相关模块及多尺度能量衰减准则，显著提升 RIR 渲染质量。
2023-09-27 cs.CV cs.SD eess.AS
Blind Localization of Room Reflections with Application to Spatial Audio
Ben-Gurion University of the Negev（内盖夫本-古里安大学）
本文提出在更广泛条件下评估FF-PHALCOR盲定位房间反射方法的性能，并通过听力测试验证估计反射对空间感知的重要性。
2023-12-21 cs.SD eess.AS
One-Shot Acoustic Matching Of Audio Signals -- Learning to Hear Music In Any Room/ Concert Hall
Stanford University（斯坦福大学）
声音产生和被听到的声学空间通过提供独特的\textit{presence}感而在如何感知声音方面起着至关重要的作用。我们听到的每一个声音都是声源固有的连续卷积运算和外部因素（如麦克风特性和房间脉冲响应）的结果。通常，研究人员使用诸如手枪射击或气球爆裂的激励作为可以创建可听化的脉冲信号。与感兴趣的信号卷积的房间“脉冲”响应可以将输入声音转换成在感兴趣的声学空间中播放的声音。在这里，我们提出了一种新的架构，可以将感兴趣的声音转换到任何其他声学空间（房间或大厅）的利益，通过使用任意的音频记录作为代理的气球流行。该架构是接地在简单的信号处理的想法，学习残余信号从学习的声学签名和输入信号。我们的框架允许神经网络调整时频表示中每个点的增益，给出合理的定性和定量结果。
2022-10-31 cs.LG cs.MM cs.SD
