我正在使用具有平坦功率谱和线性群延迟（优化 Aoshima 的时间拉伸脉冲）的测试扫描来测量房间的频率响应。得到房间的脉冲响应后，我想我可以从我的测试信号中去卷积，在相同的点和相同的条件下记录结果，得到一个近似平坦的信号。然而，反卷积的结果听起来像是随机噪声，一点也不像我原来的扫描。
我已经尝试通过逆滤波进行简单的反卷积，调整我的 IR 以避免某些频率中的零点，甚至忽略 IR 中的所有相位信息并仅区分结果的大小，但都无济于事。在每种情况下，扫描与房间 IR 的反卷积结果听起来都像是随机噪声。有什么想法我可能出错了吗？
是的，答案就在这里： 在音频信号中补偿扬声器频率响应，这里的滤波器是您的房间传递函数。
动态系统从输入信号中过滤细节。无法通过模型恢复输入和输出。它可以用继电器或整流器的基本静态非线性来解释。假设您有连续的输入 x(t) 和由继电器转换的输出 y(t)，当 x(t) > 0 时，您的 y(t) 为 +1，当 x(t) < 0 时为 -1。当您知道输出时和一个你找不到输入的模型。动态系统也是如此。逆问题只有在很多条件下才能解决。首先，对于相同的输出有无限的输入，你必须限制它们。其次，大多数算法都是不稳定的，它们可能会给您带来看起来像随机噪声的结果，但它是正确的解决方案，您的输入只是无限可能的解决方案之一。如果您不喜欢它，则必须修改您的算法以缩小可能解决方案的类别。我之前对非线性系统做过，我可以给你一个链接，但它太不同了，它需要 Urysohn 类型的非线性积分方程的知识，需要一段时间才能理解我做了什么。因此，请尝试将您的解决方案缩小到有限的范围内并找到最佳候选者。它就是这样工作的。列出多种可能的解决方案并找到最佳解决方案。如果失败，请再次列出一组新的可能解决方案。
在通信系统领域，您提出的建议被称为迫零均衡器(ZFE)。正如其他人在评论中指出的那样，存在各种挑战，包括噪音可能会达到巨大的水平。
因此，ZFE 不用于实际系统，它试图针对其他标准进行优化，例如最小均方误差。