Dynamic Kernel Convolution Network with Scene-dedicate Training for Sound Event Localization and Detection
本文面向真实空间声场景下的SELD任务，提出融合动态核卷积、多轨ACCDOA、SELDnet与EINv2及场景专用训练和数据增强的系统，在DCASE任务中以0.348分超越现有SOTA。
2023-07-17 eess.AS
Spatial active noise control based on individual kernel interpolation of primary and secondary sound fields
The University of Tokyo（东京大学）
提出了一种基于主、次声场独立核插值的空间有源噪声控制方法。空间ANC旨在通过使用多个次级源和麦克风来消除连续区域内不需要的主要噪声。一种基于声场核插值的方法，使得利用灵活的阵列几何结构来衰减目标区域上的噪声成为可能。此外，通过使用方向加权的核函数，可以考虑关于主要噪声源方向的先验信息。然而，而要插值的声场是一个叠加的主要和次要的声场，主要噪声源的方向权重应用于总的声场在以前的工作，因此，性能的改善是有限的。我们提出了一种方法，分别插值的主要和次要的声场，并制定了基于这种插值方法的归一化最小均方算法。实验结果表明，该方法优于基于全核插值的方法。
2022-02-10 cs.SD eess.AS
Sound field estimation with moving microphones using kernel ridge regression
本文提出基于核岭回归的移动麦克风声场估计方法，利用离散傅里叶变换与Herglotz波函数建模并引入先验正则化，同时提出随机傅里叶特征近似以降低计算成本，在仿真和真实数据上验证了方向加权对估计精度的改善。
2025-09-19 eess.AS eess.SP
Learning-based Physics-Constrained Neural Kernel for Sound Field Estimation With Source-Position-Dependent Directional Weighting
National Institute of Informatics, Tokyo, Japan（日本信息处理研究所）；University of Ferrara, Ferrara, Italy（费拉拉大学）
研究针对声场估计问题，提出基于学习的物理约束神经核方法，通过声源位置相关的隐式神经表示构建方向加权函数，使核函数能捕捉共同模式并泛化，实验证明该方法在估计方向加权函数上优于单快照方法。
2026-07-08 cs.SD eess.AS
Kernel Learning For Sound Field Estimation With L1 and L2 Regularizations
The University of Tokyo（东京大学）
提出了一种从离散麦克风测量估计声场的方法。使用针对声场插值而制定的核函数的基于核插值的方法已经被用于各种应用中。方向加权核函数可以结合源方向的先验信息，提高估计精度。然而，在先前的研究中，用于方向加权的参数已经根据经验确定。我们提出了一种方法来优化这些参数使用观测值，这是特别有用的源方向的先验信息是不确定的。该算法是基于离散化的参数和表示的核函数作为一个加权和的子内核。两种类型的正则化的权重，$L_1$和$L_2$，进行了研究。实验结果表明，该方法比无核学习的方法具有更高的估计精度。
2021-10-12 cs.SD eess.AS
Diversifying and Expanding Frequency-Adaptive Convolution Kernels for Sound Event Detection
Korea Advanced Institute of Science and Technology（韩国科学技术院）；Samsung Research（三星研究院）；Supertone Inc（SuperTone公司）
本文提出扩张频率动态卷积（DFD conv），通过为基核引入不同扩张尺寸来多样化和扩展频率自适应核，使 DFD-CRNN 在 PSDS 上比 FDY-CRNN 提升 3.12%。
2024-06-08 cs.SD eess.AS
Weighted Pressure Matching Based on Kernel Interpolation For Sound Field Reproduction
Graduate School of Information Science and Technology, The University of Tokyo（东京大学信息科学与技术研究生院）
提出了一种声场再现方法--加权声压匹配法。声场再现旨在使用目标区域内的多个扬声器来合成期望的声场。基于优化的方法是从合成的和所需的声场之间的误差最小化，这使得使用任意阵列的几何形状与基于积分方程的方法相比。声压匹配由于其实现简单而被广泛应用于基于优化的声场再现方法中。其代价函数定义为目标区域内多个控制点的综合误差，通过求解最小二乘问题得到扬声器的驱动信号。然而，在压力匹配中，没有考虑控制点之间的区域。我们将代价函数定义为目标区域上综合误差的区域积分。在声场核插值的基础上，将该代价函数表示为控制点处合成声压的加权平方误差。实验结果表明，该方法的性能优于传统的压力匹配方法。
2022-10-26 cs.SD eess.AS
Time-domain sound field estimation using kernel ridge regression
ESAT Laboratory of KU Leuven（KU莱顿大学ESAT实验室）；Department of Electrical Engineering (ESAT), STADIUS, KU Leuven（KU莱顿大学电气工程系（ESAT）、STADIUS部门）；Bang & Olufsen, Acoustics R&D（Bang & Olufsen声学研发）；Department of Electronic Systems, Aalborg University（奥尔堡大学电子系统系）；National Institute of Informatics（日本信息处理学会）
本文提出一种基于核岭回归的时域声场估计方法，通过闭式解保证物理可实现性，并利用时域加权与方向加权结合的先验知识，提升估计性能。
2025-09-06 cs.SD eess.AS eess.SP
Kernel Interpolation of Incident Sound Field in Region Including Scattering Objects
National Institute of Informatics（国立信息学研究所）；The University of Tokyo（东京大学）
提出一种基于核岭回归并分离散射场的入射声场估计方法，无需散射体先验信息，通过引入加权矩阵提升精度，实验证明其优于未分离方法。
2023-09-11 cs.SD eess.AS
Frequency-Domain Sound Field from the Perspective of Band-Limited Functions
Graduate School of Design, Kyushu University（九州大学设计学院）；Faculty of Design, Kyushu University（九州大学设计学部）
本文从带限函数视角将频域声场表示为再生核的线性组合，在仅知任意位置声压时具有最强表示能力，并简化了波数谱估计，通过两次数值模拟验证了方法的有效性。
2024-05-23 cs.SD eess.AS
Semi-supervsied Learning-based Sound Event Detection using Freuqency Dynamic Convolution with Large Kernel Attention for DCASE Challenge 2023 Task 4
Hanwha Vision（韩华视野）
针对DCASE 2023 Task 4标注数据有限的问题，提出融合FDY与LKA模块、结合BEATs嵌入的CRNN半监督声音事件检测模型，经均值教师预训练生成伪标签再训练，在验证集上取得更优的F1与复调SED分数。
2023-06-10 cs.SD eess.AS
Auditory Neural Response Inspired Sound Event Detection Based on Spectro-temporal Receptive Field
受人类听觉系统启发，提出基于频谱-时间感受野（STRF）的双分支TB-STRFNet模型用于声音事件检测，通过STRF卷积核提取神经响应，并结合频率动态卷积，在DCASE 2023任务4b上以宏F1分数超越基线6.2%。
2023-06-20 eess.AS
AudioInceptionNeXt: TCL AI LAB Submission to EPIC-SOUND Audio-Based-Interaction-Recognition Challenge 2023
TCL AI Lab（TCL人工智能实验室）
提出单流 CNN 架构 AudioInceptionNeXt，通过并行多尺度深度可分离卷积核处理对数梅尔谱图，在 EPIC-SOUNDS 2023 测试集上取得 55.43% top-1 准确率并位列第一。
2023-07-14 cs.AI cs.SD eess.AS
Weighted Pressure and Mode Matching for Sound Field Reproduction: Theoretical and Experimental Comparisons
The University of Tokyo（东京大学）；Tokyo Metropolitan University（东京都立大学）
从理论和实验上对两种声场再现方法--加权声压匹配法和加权模式匹配法进行了比较。加权压力和模式匹配分别是传统压力和模式匹配的推广。这两种方法都是通过在压力和模式匹配中引入加权矩阵而得到的。加权压力匹配中的加权矩阵是基于来自控制点的离散集合处的压力的声场的核插值来定义的。在加权模式匹配中，加权矩阵由球面波函数的区域积分定义。从理论上证明了加权压力匹配是由压力观测值估计膨胀系数的无限维调和分析加权模式匹配的一种特殊情况。通过实验讨论了两种方法的区别。
2023-03-23 cs.SD eess.AS
Spatial Active Noise Control Method Based On Sound Field Interpolation From Reference Microphone Signals
The University of Tokyo（东京大学）
提出了一种基于参考传声器信号声场插值的空间有源噪声控制方法。在大多数当前的空间ANC方法中，需要足够数量的误差麦克风来降低目标区域上的噪声，因为声场是从误差麦克风信号估计的。然而，在实际应用中，优选地，误差麦克风的数量尽可能小，以在目标区域中为ANC用户保留空间。我们建议从参考麦克风（通常放置在目标区域之外）而不是误差麦克风插入声场。我们推导出一个固定的过滤器的基础上的核岭回归声场插值空间降噪。此外，为了补偿估计误差，我们将所提出的固定滤波器与基于使用误差麦克风信号的控制滤波器的过渡的多通道ANC相结合。数值实验结果表明，即使在误差麦克风的数量特别小的情况下，所提出的方法也可以有效地降低区域噪声。
2023-03-28 cs.SD eess.AS
Frequency Dynamic Convolutions for Sound Event Detection
KAIST（韩国科学技术院）
针对传统SED模型频率平移不变性的局限，提出频率动态卷积及多种扩展变体，结合自适应池化优化，在DESED数据集等任务中显著提升检测性能并降低计算复杂度。
2025-06-15 cs.SD eess.AS
Reconstruction of Sound Field through Diffusion Models
Politecnico di Milano（米兰理工大学）
本文首次提出基于条件去噪扩散概率模型的声场重建方法SF-Diff，利用有限频率测量值在扩展域内生成未知位置声场，并在模态频率范围内优于核插值基线。
2024-02-21 cs.LG cs.SD eess.AS
Does k Matter? k-NN Hubness Analysis for Kernel Additive Modelling Vocal Separation
Queen Mary University of London（伦敦玛丽女王大学）
核可加性建模（KAM）是一种用于声源分离的框架，旨在显式地对声源的固有属性进行建模，以帮助其识别和分离。KAM通过对通过源特定内核（通常为k-NN函数）获得的时频箱的选择应用鲁棒统计来分离给定源。尽管参数k似乎是成功分离的关键，但在文献中几乎没有关于其影响或优化的讨论。在这里，我们提出了一种新的方法，基于图论统计，自动优化$k$在声乐分离任务。我们引入k-NN中心度作为指标，以低计算成本找到定制的k。随后，我们评估我们的方法相比，常见的方法来选择k。我们进一步讨论了这个参数的影响和重要性与照明的结果。
2018-04-06 cs.SD eess.AS
Beamforming in the Reproducing Kernel Domain Based on Spatial Differentiation
Graduate School of Design, Kyushu University（九州大学设计研究生院）；Faculty of Design, Kyushu University（九州大学设计学院）
本文提出一种基于空间微分的再生核域波束成形框架，利用多项式微分算子构建任意波束图，并在数学上推广了传统球谐域波束成形器，二维数值仿真验证了其有效性。
2025-10-31 cs.SD eess.AS eess.SP
Shift-Invariant Kernel Additive Modelling for Audio Source Separation
Queen Mary University of London（伦敦玛丽女王大学）
盲声源分离识别和分离声源的一个主要目标是对其固有特性进行建模。虽然大多数最先进的方法都是在大型数据集上训练的监督方法，但由于其可解释性和适应性，对非数据驱动方法（如KAM）的兴趣仍然很高。KAM对由源特定核函数（通常为K-NN函数）选择的时频点应用鲁棒统计来执行给定源的分离。这种选择假设感兴趣的源在时间和频率上重复。实际上，这一假设并不总是成立的。因此，我们引入了一个移位不变的核函数，即使在频移下也能够识别相似的频谱内容。通过这种方式，我们可以大大增加可用于鲁棒统计的合适声音材料的数量。虽然这导致分离性能的增加，但是基本公式在计算上是昂贵的。因此，我们还提出了加速技术，降低整体计算复杂性。
2018-02-16 cs.SD eess.AS
Gaussian Process Regression of Steering Vectors With Physics-Aware Deep Composite Kernels for Augmented Listening
National Institute of Informatics（国家信息研究所）
本文提出基于神经场的高斯过程框架，结合物理意识复合核，用于增强听觉中转向矢量的连续表示，以实现更有效的空间滤波和双耳渲染。
2026-04-16 cs.AI cs.LG cs.SD
