我听说过在音乐会期间进行隐蔽声学房间脉冲响应测量的传言。如果您想将脉冲响应用于人工混响，并且您不希望房间听起来过于回声，就像房间里没有人一样，您将需要房间里的人。在麦克风处接收到的信号将是相当安静的类似噪声的测试信号，而音乐、人声和设备噪声将是噪声。因为脉冲响应实际上只有几秒钟长，所以可以使用重复的测试信号。记录将被累积到循环缓冲区中。由于噪声与缓冲区中已记录的内容平均为零相关，因此其均方根幅度将平均增长为$\sqrt{N}$用于个记录周期，而信号的均方根幅度将随着增长。在会话结束时，反卷积用于从测试信号响应到脉冲响应。对于频谱平坦的测试信号，例如最大长度序列 (MLS)，只需与测试信号的倒数进行卷积即可。对于个样本点的缓冲区，信号的反卷积增益为。结合来自重复和反卷积的增益并假设采样频率为 44.1 kHz，我们得到记录时间依赖的 dB 级增益差$N$$N$$M$$M$$\sqrt{M}$$t$$20\log_{10}\left(\frac{44.1\text{ kHz }\times\ t}{\sqrt{44.1\text{ kHz }\times\ t}}\right)$ dB 两者之间：

图 1. 房间脉冲响应测量的信噪比 (SNR) 增益作为记录时间的函数。

为“简单”场景猜测一些数字，如果我们从 30 dB 声压级 (SPL) 的信号和 60 dB SPL 的噪声开始，即 -30 dB 的起始 SNR，在 1 小时的记录中，我们获得 52 dB 的 SNR，之后增长非常缓慢，记录时间每增加 10 倍，增加 10 dB。52 dB 对于人工混响已经很有用了。

当我处理 SONAR 数据时，有趣的 SNR 范围是 -30dB 到 -20dB。

对于这篇具体的论文，我们试图首先找到拖曳式水听器阵列的形状，然后使用估计的形状来改进方位估计。

下面的论文中的图 3 用于说明。

免提电话和亚马逊 Echo 之类的东西。来自麦克风的 Echo 的音乐可能比它试图拾取的声音大 20 dB 左右。