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
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
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
Estimation of Source and Receiver Positions, Room Geometry and Reflection Coefficients From a Single Room Impulse Response
Delft University of Technology(代尔夫特理工大学);Victoria University of Wellington(惠灵顿维多利亚大学)
我们提出了一种算法,估计源和接收器的位置,房间的几何形状和反射系数从一个单一的房间脉冲响应同时。它基于房间脉冲响应的对称性分析。该方法利用直达波、一阶反射波和二阶反射波的到达时间。该方法对错误脉冲和非镜面反射具有鲁棒性。它可以应用于任何房间的平行墙,只要所需的反射到达时间可用。与现有的方法相比,我们不限制源和接收器的位置。
2023-01-22 cs.SD eess.AS
Room Impulse Response Estimation through Optimal Mass Transport Barycenters
针对紧密麦克风阵列的房间脉冲响应联合估计在短信号、低信噪比下不适定的问题,提出基于 OMT 重心的正则化方法,利用延迟结构相似性实现信息共享,并通过凸优化求解。
2025-03-18 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
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
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
Blind estimation of room acoustic parameters from speech signals based on extended model of room impulse response
由室内脉冲响应(RIR)得到的语音传输指数(STI)和室内声学参数(RAP),如混响时间和早期衰减时间,是评价语音传输和预测声场中听音难度的重要指标。由于难以测量日常占用空间中的RIR,因此必须解决STI和RAP的同时盲估计,因为这是一个迫切且具有挑战性的问题。本文提出了一种确定性的方法来盲估计STI和五个RAP的基础上的RIR随机模型,近似一个未知的RIR。所提出的方法制定的混响语音信号的时间功率包络,以获得最佳参数的RIR模型。进行模拟,以评估STI和RAP从观察到的混响语音信号。估计和地面实况结果之间的均方根误差被用来比较评估所提出的方法与以前的方法。结果表明,该方法可以有效地估计STI和RAP没有任何训练。
2022-12-26 eess.AS
Blind Identification of Binaural Room Impulse Responses from Smart Glasses
本研究提出一种利用智能眼镜麦克风阵列,通过去混响、波束成形和多通道维纳滤波器从几秒语音中盲识别双耳房间脉冲响应的方法,其在声学参数估计和感知实验中均优于基线。
2024-09-23 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
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
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
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
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
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
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
AnyRIR: Robust Non-intrusive Room Impulse Response Estimation in the Wild
Aalto University(阿尔托大学);University of York(约克大学);Friedrich-Alexander-Universitat Erlangen-Nürnberg (FAU)(弗里德里希·亚历山大·埃尔朗根-纽伦堡大学)
AnyRIR通过利用音乐作为激励信号和L1范数回归,在嘈杂环境中实现鲁棒的房间脉冲响应估计。
2026-01-18 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
Room impulse response reconstruction with physics-informed deep learning
本文提出基于物理信息神经网络的方法,利用有限实验房间脉冲响应和波动方程重建房间声场,能估计声压、质点速度和声强,在早期重建中表现突出并支持时域完整表征。
2024-01-02 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
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
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
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
Acoustic Volume Rendering for Neural Impulse Response Fields
University of Pennsylvania(宾夕法尼亚大学);University of Washington(华盛顿大学)
本文提出声学体积渲染(AVR),通过频域体积渲染和球面积分建模脉冲响应场,实现新姿态下最先进的脉冲响应合成,并开发了更精确的声学仿真平台AcoustiX。
2024-11-09 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
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
Acoustic Impulse Responses for Wearable Audio Devices
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
我们提出了一个开放获取的数据集,其中包含来自160个麦克风的8000多个声脉冲,这些麦克风分布在身体各处,并固定在可穿戴配件上。这些数据可用于评估使用助听器、耳机、眼镜、珠宝和服装等可穿戴设备的音频捕获和阵列处理系统。我们分析了身体不同部位的声学传递函数,测量了麦克风上穿着的衣服的影响,比较了来自人体模型的测量结果,并模拟了几种波束形成器的降噪性能。结果表明,分布在身体上的麦克风阵列比局限于单个设备的麦克风更有效。
2019-03-05 cs.SD 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
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
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
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
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
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
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
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
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
BRUDEX Database: Binaural Room Impulse Responses with Uniformly Distributed External Microphones
University of Oldenburg, Department of Medical Physics and Acoustics and Cluster of Excellence Hearing4all(奥尔登堡大学医学物理与声学系及卓越中心Hearing4all)
BRUDEX数据库提供了一种包含36个均匀分布麦克风和12个声源位置的双耳房间脉冲响应数据集,用于多麦克风信号处理任务,如降噪和回声消除。
2023-06-14 cs.SD 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
Frequency domain variant of Velvet noise and its application to acoustic measurements
Wakayama University(和歌山大学);Health Science University of Hokkaido(北海道医疗科学大学);Kyushu Institute of Technology(九州工业大学);Meiji University(明治大学)
我们提出了一个新的家庭的测试信号的声学测量,如脉冲响应,非线性,和背景噪声的影响。所提出的家庭补充困难,在现有的家庭,扫描正弦(SS),伪随机噪声,如最大长度序列(MLS)。建议的家庭使用天鹅绒噪声(FVN)的频域变量作为其构建块。FVN是全通滤波器的脉冲响应,当与其自身的时间反转版本卷积时产生单位脉冲。在这方面,FVN是最广泛意义上的时间拉伸脉冲(TSP)的成员。FVN设计的高度自由度为声学测量领域开辟了广阔的应用领域。我们介绍以下应用程序及其具体程序,以及其他可能性。它们如下所示。a)自适应于背景噪声的频谱整形。b)同时测量多个声学路径的脉冲响应。d)同时测量声路的线性和非线性分量。e)当声源和接收器在声脉冲响应测量中使用独立的时钟时,它们的时间轴对准的自动程序。我们实现了一个参考测量工具,配备了所有这些程序。MATLAB源代码和相关材料是开源的,并放置在GitHub存储库中。
2019-09-10 cs.SD eess.AS eess.SP
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
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
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
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
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
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
Towards Improving Speaker Distance Estimation through Generative Impulse Response Augmentation
Amazon(亚马逊);Wentworth Institute of Technology(韦尔特沃斯技术学院)
本文通过生成冲击响应数据增强提升说话距离估计模型性能,采用FastRIR生成冲击响应并优化超参数,实验显示在中长距离显著提高估计精度。
2026-05-01 cs.AI 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