我已获取完整论文。现在输出最终评审。

Paper Review: DRONEAUDIONET: Noise Suppression for Drone Audition-based Search and Rescue

论文类型: 方法型（针对 drone audition 的 noise suppression 方法改进）

公理审查结果

公理一：对象公理

• 判定: ✅
• 分数: 8
• 依据: 对象真实、清晰、必要。UAV 机载麦克风在 SAR/wildlife/inspection 场景中采集的混合信号 SNR 常低于 -10 dB（论文引文 Deleforge 2020; Martinez-Carranza and Rascon 2020 量化为 10–20 dB 干扰），rotor noise 具有已知物理结构（blade-passing 谐波 + broadband turbulence）。论文把目标重构为”估计已知 drone 噪声并从混合中减去”，规避了 open-domain target 不可知的问题，定义可操作。指标 SI-SDR + 下游分类 F1 双轨，分别对应重建保真度与任务效用，非 proxy 偷换。问题有社区价值（SAR 直接关联人身安全，非冷门场景）。claim 外延（in-domain + OOD generalization）与实验范围一致。
• Wiki 证据: OMC wiki 无 drone audition 记录。paper-wiki 无相关论文。free-search 返回多篇近期 UAV audition 工作（Springer 2025 rotor-conditioned; Applied Acoustics 2025 semi-blind BSS; MDPI Drones 2025 Spatial-U-Net），证实该问题是活跃研究领域，对象真实性得到独立佐证。

公理二：识别公理

• 判定: ⚠️
• 分数: 6

• 依据: 有 ablation（Table 2）隔离 α、β、

  R

  、∠R 四个组件，并报告学习到的 α=1.0196>1、β=0.9743<1，支持”mask 需突破 unit-circle”的因果解释。但存在缺口：(1) 最简 baseline 缺席——未对比 classical Wiener/Multichannel-Wiener filtering（论文 §2.1 自己引用 Manamperi 2024 的 Wiener+post-filter 用于 drone audition），也未对比谱减法这类”已知噪声估计+减法”最简实现，无法确认”学习型 mask 缩放+残差”是否真比最简已知噪声减法强。(2) AudioSep-FT 同时改变了 fine-tuning data、固定 drone query 和架构，DroneAudioNet 的增益叠加在 fine-tuning 之上；ablation 只解耦了 α/β，未解耦”fixed drone query 选择”对最终增益的贡献。(3) 论文把 F1 提升归因于 mask parameterization，但 SI-SDR 与 F1 改善脱节（SI-SDR 多数可比，F1 显著），缺乏对”为何语义可辨识性提升而波形保真度未提升”的机制解释。

• Wiki 证据: OMC wiki 无记录。free-search 命中 Manamperi et al. 2024 (Multichannel Wiener + GMM post-filter for drone audition) 作为被论文引用但未被作为 baseline 实验对比的同类已知噪声建模方法，构成识别公理的潜在缺口。

公理三：独立性公理

• 判定: ✅
• 分数: 8
• 依据: 评测独立于训练闭环。SI-SDR 使用 DroneAudioset 同步录制的 clean source-only 作为 ground truth，属独立物理录音而非合成标签。下游分类用 frozen SSLAM（与训练无关的预训练 AudioSet 分类器），无 reward 重叠。OOD 测试用 DREGON（不同 drone 硬件、不同飞行模式），与训练分布独立。DroneAudioset 虽由本文作者团队发布（Gupta* et al. 2025 NeurIPS），但数据采集与本文模型训练是不同阶段，且数据公开可查。
• Wiki 证据: OMC wiki 无记录。free-search 确认 DroneAudioset 与 DREGON 均为公开独立数据集，SSLAM 为独立第三方模型（Alex et al. 2025 ICLR），无 judge 污染迹象。

公理四：压缩公理

• 判定: ✅
• 分数: 8
• 依据: 方法极度简洁——仅两个 learnable scalar (α, β) + 一个 6-channel 输出层（vs AudioSep 的 3-channel），参数增量约 26.4M 中绝大部分为 ResUNet fine-tuning 而非新模块。核心压缩价值在于 problem reframing（source-separator → noise-estimator）+ 一个可解释的 cIRM 几何观察（Fig.2: 49.3% drone-mask 值超 unit circle vs 0.25% source-mask），把”为什么 bounded sigmoid 对 drone-dominant 失效”压缩为单一几何事实。非 engineering 拼装。无命名膨胀。
• Wiki 证据: OMC wiki 无记录。paper-wiki 无 AudioSep 相关条目。free-search 确认 mask magnitude >1 的思路在 cIRM 文献（Williamson 2015, 论文引用）和 Decoupling magnitude/phase（Kong 2021, 论文引用）中已有先例，但论文是首次将该几何事实用于 drone-dominant 场景的动机性论证，压缩方向合理。

公理五：效用公理

• 判定: ⚠️
• 分数: 5
• 依据: 相对提升真实但绝对可用性不足。HV F1 在 -20~-10 dB 从 AudioSep-FT 0.66→0.73（+10.6% 相对，p<0.05），在 -30~-20 dB 0.13→0.17（+30.8% 相对，p<0.05），OOD HV 0.63→0.69。但：(1) 绝对值在 -30~-20 dB 仍仅 0.17 F1，远未达 SAR 可用水平（漏检人声在 SAR 中后果严重）。(2) 提升高度集中在 Human Vocal 类；HNV 和 NH 多数指标与 AudioSep-FT 可比甚至更差（NH -10~0 dB F1 0.40 vs AudioSep-FT 0.44）。论文自称”largest gains for vocal sounds”但未诚实量化非 vocal 类的 trade-off，只在 Discussion 一句带过。(3) SI-SDR 改善微小且多数未达统计显著，意味着波形层面接近 Random，仅语义分类有增益——但 SSLAM 是否对 phase/magnitude distortion 不敏感未讨论，F1 提升可能来自与 SSLAM 训练分布的耦合而非真实降噪。(4) Baseline 覆盖缺口：free-search 发现 2025 年已有 drone-specific 学习方法（rotor-conditioned deep models Springer 2025; Semi-blind BSS Applied Acoustics 2025; Spatial-U-Net Drones 2025），论文未对比这些同任务强 baseline，只对比通用 source separation，可能高估相对优势。
• Wiki 证据: OMC wiki 无 SOTA 记录。free-search 命中 “Enhancing drone audition with rotor-conditioned deep models” (Springer 2025, 同任务、同年发表前)、”Semi-blind source separation for UAV audition” (Applied Acoustics 2025-08-29)、”Spatial-U-Net for low-SNR speech enhancement” (Drones 2025-06)，均为 drone-audition 专用方法，未被纳入 baseline 比较。

公理六：新颖性公理

• 判定: ⚠️
• 分数: 5
• 依据: 三项声称贡献中，(1) “adapting AudioSep as drone noise estimator” 是 reframing 而非新架构，(2) “comprehensive benchmark for universal source separation on drone dataset” 是评测而非方法创新，(3) “improvements in signal fidelity and classification” 是结果。真正的技术增量是 α-scaling + complex residual。α-scaling（learnable scalar 突破 sigmoid 上界）与 Kong 2021 的 decoupled magnitude/phase、Williamson 2015 的 cIRM 已有概念上重叠；additive residual correction 在 Odelowo & Anderson 2017、Zheng 2021 的 noise-prediction-and-subtraction 范式中已存在。论文引用了这些工作，但 novelty 仍属”已知组件在 drone-dominant 场景的再组合”，Fig.2 的 cIRM 几何动机是该组合的核心新增解释力。组合本身未证明组件间 synergy（ablation 显示 magnitude-only residual 反而掉点，只有加回 phase 才恢复，更像”残差需要相位才不有害”而非”协同”）。跨领域迁移不适用（均属 audio separation 同领域）。
• Wiki 证据: OMC wiki 无记录。paper-wiki 无 AudioSep/USS 条目。free-search 确认 mask magnitude >1 和 additive residual 在 speech enhancement/source separation 领域已有先例（Kong 2021, Williamson 2015, Odelowo 2017），drone-specific 应用为新增上下文但非新机制。

公理七：可复现公理

• 判定: ✅
• 分数: 8
• 依据: 提供匿名 codebase (github.com/DroneAudioNet/DroneAudioNet-Homepage) 和 webpage (droneaudionet.github.io/DroneAudioNet-Homepage/) 含示例音频。数据为公开 DroneAudioset (NeurIPS 2025) 和 DREGON (IROS 2018)。训练细节充分：238M 参数（26.4M trainable），L1 loss，Xavier init，epoch 数由 val loss 决定，硬件 RTX 3090 24GB 全量披露（Table 4），推理 23.5 min for test set。query 文本固定为 “Drone motor and propellor sounds”。复现门槛低。
• Wiki 证据: OMC wiki 无记录。free-search 确认 DroneAudioset 与 DREGON 均公开可下载，AudioSep 预训练权重公开，复现路径完整。

日报摘要

• Strength: 将 AudioSep 重构为 drone-noise estimator，引入 learnable mask-scaling α 使 mask 突破 unit-circle，在 HV 类 -20~-10 dB 取得 F1 +10.6% 相对提升（p<0.05），并在 OOD DREGON 上保持 HV F1 0.69 vs 0.63。
• Weakness: 未对比 2025 年已发表的 drone-specific 学习方法（rotor-conditioned models、semi-blind BSS、Spatial-U-Net），且在 -30~-20 dB 绝对 F1 仅 0.17，HNV/NH 类多处不及 AudioSep-FT，SI-SDR 改善微小，真实可用性证据不足。

总评

• 科学价值: 中 — 把”bounded mask 在 noise-dominant 下失效”压缩为 cIRM 几何事实（Fig.2）是有解释力的观察，但组件级 novelty 为已有方法的再组合，未证明组件 synergy。
• 方法价值: 中 — reframing + 两 scalar 增量简洁可复现，但缺最简 baseline（Wiener/谱减）和同期 drone-specific 强 baseline 对比，相对优势未充分隔离。
• 社区价值: 中 — drone audition SAR 是真实且有价值的方向，公开代码+数据+benchmark 有助后续研究，但低 SNR 绝对性能离部署仍远。

打分

加权总分: 5.95/10（加权分之和 61.0 / 权重之和 9.5） 最终建议: Borderline 5-6.5