使用解析 Wiener 去噪器的流匹配求解房间冲击响应逆问题

房间冲击响应（RIR）估计自然地作为一类逆问题而出现，包括去噪和解卷积。虽然最近的方法常依赖监督学习或数据驱动的生成先验，但这些方法需要大量训练数据，并且可能在训练分布之外的情形下泛化性差。本文提出了 RIRFlow，一个基于流匹配的训练-free 贝叶斯框架，用于 RIR 逆问题。我们从 RIR 的统计结构推导出与流一致的解析先验，从而消除对数据驱动先验的需求。具体而言，我们将 RIR 模型为具有指数衰减方差的高斯过程，这导致闭式的均方误差（MMSE）Wiener 去噪器。该解析去噪器作为先验被集成到现有的基于流的逆 solver 中，通过引导后验抽样求解逆问题。此外，我们扩展求解器以处理非线性和非高斯逆问题，方法是对引导后验进行局部高斯近似。我们在实践中经验性地表明，这一近似仍然有效。实验在不同逆问题上的真实 RIR 上表明其鲁棒性，凸显了将经典 RIR 模型与最新基于流的生成推断相结合的有效性。