本研究提出了一种统一框架，用于盲目估计Ambisonics录音中的频段声学参数，包括混响时间（T60）、直接与混响比（DRR）和清晰度（C50）。新特征SSCV显著提高了估计精度，FOA-Conv3D网络在估计错误上优于现有方法。

本文研究自监督语音表示的特征空间分布，提出了一种新的说话者标准化方法，有效消除语音中的说话者信息。通过主成分分析，探讨不同层如何编码声学参数，并提出基于子空间的学习机制，应用于语言验证和方言识别。同时，研究无监督声学特征在语音识别中的应用，提升元音分类的准确性。