基于神经网络的房间脉冲响应预测：从能量衰减曲线到感知验证
音频与语音处理
2025-09-30 v1
摘要
房间脉冲响应（RIR）的预测对于房间声学、空间音频和沉浸式应用至关重要，但传统的模拟和测量仍然计算成本高且耗时。本工作提出了一种神经网络框架，该框架根据房间尺寸、材料吸声系数和声源-接收器位置预测能量衰减曲线（EDC），并通过反向微分重建相应的 RIR。使用具有真实几何形状、频率相关吸声和多样化声源-接收器配置的房间声学模拟生成了大型训练数据集。客观评估采用了均方根误差（RMSE）和针对 EDC 的自定义损失，以及重建 RIR 的相关性、均方误差（MSE）和频谱相似度。通过 MUSHRA 听力测试进行的感知验证证实，预测的 RIR 与参考 RIR 之间没有显著的感知差异。结果表明，所提出的框架提供了准确且感知可靠的 RIR 预测，为实际声学建模和音频渲染应用提供了可扩展的解决方案。
引用
@article{arxiv.2509.24834,
title = {Room Impulse Response Prediction with Neural Networks: From Energy Decay Curves to Perceptual Validation},
author = {Imran Muhammad and Gerald Schuller},
journal= {arXiv preprint arXiv:2509.24834},
year = {2025}
}
备注
Submitted to ICASSP 2026. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works