自适应室内声景增强

项目761 · Nanyang Technological University · School of Electrical and Electronic Engineering

所在国家或地区: 新加坡
申请截止日期: 滚动申请，当前是否仍招请核对原始公告。
资助信息: 面向全球学生的资助型博士项目；未说明资助金额、学费减免、生活津贴、资助期限或国际学生覆盖细节。

申请工作台

保存项目，围绕当前机会准备申请。截止日期和资格请以原始公告为准。

登录后保存项目或使用申请工具

阅读项目调研与申请判断

项目介绍

项目概览

本博士项目研究如何利用人工智能改善开放式办公室的声学环境，目标是让办公空间更健康、更有利于专注和工作效率。

项目将开发自适应室内声景增强系统，结合隐私保护传感器、边缘端声音分类和 AI 驱动的声景生成，根据会议、专注工作、电话交流及暖通空调背景噪声等活动动态响应。

系统不会记录语音内容或私人信息，而是希望以个性化、可适应的声景减少干扰、支持注意力并改善福祉。研究由南洋理工大学电气与电子工程学院 Prof Woon Seng Gan 指导，项目提供面向全球学生的博士资助，全年接受申请，但资助额度和覆盖范围未说明。

项目详情

开放式办公环境中的噪声管理通常依赖阻隔或掩蔽，但本课题希望进一步理解环境活动并主动生成合适的声学响应。研究重点不是简单降低所有声音，而是根据空间中正在发生的任务，形成能支持不同工作状态的自适应声景。例如，会议、需要高度专注的个人工作、电话通话和持续的 HVAC 噪声具有不同的声学特征，也可能需要不同的干预策略。

拟开发的系统包含三个关键技术环节。首先，隐私保护传感器负责获取足以识别声学场景的信号，同时避免保存可还原的语音内容或个人信息。其次，边缘端声音分类在本地识别办公室活动和背景噪声类型，减少敏感音频向外部传输的需求。最后，AI 声景生成模块根据分类结果和使用情境产生或调整室内声音，使系统能够随活动变化而响应。项目需要在声学效果、实时性、个性化与隐私约束之间取得平衡。

评估工作将同时使用客观声学指标和主观用户反馈。博士生需要处理音频数据，并开展有人类参与者的实验，以判断声景是否确实减少分心、提升专注并改善用户体验。这意味着研究不仅包含算法与信号处理，还涉及心理声学、人机交互和以人为本的实验设计。项目介绍未明确参与者规模、实验环境、伦理审批流程、具体声学指标或 AI 模型类型，这些将是研究设计阶段的重要内容。

课题位于声学工程、人工智能、心理声学和以人为本设计的交叉地带。潜在应用不局限于开放式办公室，还包括医疗、教育和未来混合办公环境。候选人既要能开发音频与边缘 AI 方法，也要能把技术效果转化为对注意力、舒适度和福祉的可测量影响。

申请要点

背景：适合具备声学、信号处理、音频工程或相关学科基础的申请者。
优先经验：音频信号处理、机器学习、深度学习、嵌入式或边缘 AI、心理声学、人机交互等经历会很有价值。
编程与数据：需要能够使用 Python 编程、处理音频数据，并分析客观声学测量和主观用户反馈。
实验能力：应愿意并能够开展有人类参与者的实验；项目信息未说明伦理审查、招募方式或具体实验设施。
综合能力：强调分析思维、良好沟通、独立研究能力，以及把 AI 用于真实声学与福祉问题的兴趣。
导师：Prof Woon Seng Gan。项目介绍未提供其他导师、团队分工或合作机构信息。
资助与申请：项目标注为面向全球学生的资助型博士项目，全年接受申请；未说明学费、生活津贴、资助年限、入学批次或必交材料。

需要进一步确认

申请前需要核实资助金额及对国际学生的学费和生活费覆盖、博士开始日期与学制、申请材料和录取流程、具体导师团队、隐私保护方案、有人类参与者实验的伦理与数据管理要求，以及可使用的声学实验室、边缘计算设备和办公场景测试条件。

查看收录来源与申请要求

收录来源可能是学校或招聘平台；正式申请入口及最新要求请核对公告与下方报告中的官方来源。

项目深度调研报告

报告生成记录：2026-07-16。生成日期不代表招聘方确认项目仍开放。

资料更新记录：2026-07-16。申请前请再次核对原始公告。

PhD 项目深度调研报告：自适应室内声景增强

申请判断

推荐结论：有吸引力，但需要核实匹配度。

该项目最突出的优势，是研究目标与具名联系人的既有成果高度一致。Gan Woon Seng 教授领导一个转化研究实验室，工作已覆盖声音 AI、注重隐私的边缘噪声分类、声音事件检测、声景数据集、情境感知模型、主动噪声控制，以及经过现场验证的自适应声景干预。因此，从城市声景增强延伸到能够识别活动情境的室内办公空间，是既有研究体系的自然拓展，而不是缺乏本地基础的热门概念。

研究问题本身也很扎实。办公系统需要识别同时出现的会议、通话、语音和 HVAC 噪声；判断是否干预以及如何干预；在本地硬件上以可控延迟运行；避免保留可用于重建语音的信息；并证明系统能够改善专注度、主观声学质量和福祉。这些要求可以形成多个具备论文产出价值的研究问题，横跨音频机器学习、嵌入式推理、心理声学、隐私工程和以人为中心的实验研究。

不过，现有信息尚不足以直接作出决定。公开资料中未找到与项目准确标题一致、由 NTU 托管的项目页面。现有证据无法确认 Gan 是否为主导师、谁负责日常或人因研究指导、适用哪项资助计划、能够保证多少生活津贴与研究预算、对应哪个入学批次，也无法确认办公场地和参与者招募渠道是否已经落实。项目说明中的“全年接受申请”也必须与学校固定的正式申请窗口区分开来。

若后续文件能够确认覆盖 4 年的资助安排、具名导师团队、传感与回放基础设施，以及现实可行的纵向现场研究计划，该项目的吸引力会显著增强。主要执行风险在于：一个目标宏大的闭环系统，可能因时间、办公场地或隐私治理不足，被拆成彼此割裂的分类任务和短时听觉测试，最终无法证明长期收益。

研究方向与领域前景

潜在研究切入点

隐私保护声学表征。 比较瞬时原始音频处理、人工设计声学特征和学习型嵌入，在事件识别准确率、语音可重建性、身份泄露、延迟及能耗方面的表现。一个有价值的贡献应明确并测试威胁模型，而不能把“边缘”直接等同于“隐私”。
不确定性感知的办公活动推理。 使用多标签或空间事件检测，对重叠的通话、会议、专注工作、人员移动和 HVAC 建模。与强行输出高置信状态并播放不合适的声音相比，允许模型拒绝判断并校准不确定性可能更安全。
多目标增强控制。 优化目标不能只有 Pleasantness，还应包括干扰、语音隐私、适宜性、声级、认知表现和用户接受度。受约束、可解释的策略可能比无约束生成输出更合适。
带保障机制的个性化。 检验用户偏好或任务情境能否改善结局，再评估不同子群表现、感觉敏感性与冷启动行为。个性化设计应包含退出选项，并对适应幅度设定边界。
面向域变化的边缘部署。 量化系统跨房间、麦克风、混响、占用率和硬件条件的表现。如果与测得的部署限制结合，模型压缩、量化和漂移监测本身都可以成为有意义的博士贡献。
纵向现场评估。 将自适应增强与静态掩蔽、无干预和成熟声学处理方法比较。应预先定义客观声学指标、认知任务、经验证的感知量表和最小有意义效应，并将短期新鲜感收益与长期接受度区分开来。
混合式声学干预。 研究何时应让声景增强与物理吸声、隔断或主动控制互补，而非取而代之。一个会建议“不干预”或指出建筑声学问题的系统，可能比始终生成声音的系统更可信。

领域发展势头

该领域正在从单纯降噪转向情境敏感的声学体验。ISO 12913-1以情境中的感知与声学环境为核心定义声景。ISO 22955则区分开放式办公室中的活动类型，包括电话或视频沟通、近距离协作和混合活动。这些框架支持面向任务的评估，而不是只看一个分贝目标。

开放式办公室的噪声困扰已有充分证据。一项覆盖 21 个开放式办公室、883 名受访者的分析发现，具有干扰性的背景语音在很大程度上解释了主观噪声困扰，且干扰距离越长，困扰越明显。研究支持协同采用吸声、阻隔和掩蔽。一篇2024 年办公声景评估系统综述指出，自适应掩蔽、亲生物和视听方法越来越受关注，但评估方法高度异质。研究机会在于将自适应技术与严格、可比较的结果指标结合起来。

三项趋势使项目具有时效性。第一，现代声音事件检测可以融合场景、事件和空间信息，而不是独立分类短音频片段。第二，边缘硬件使本地推理成为可能，从而减少传输原始音频的需要。第三，情感模型与声景标准提供了结构化感知终点。真正困难的前沿是建立安全闭环：识别情境、选择或生成声音、在声学限值内播放、观察响应并持续调整，同时避免不稳定切换或侵入式数据收集。

职业与就业市场前景

最具迁移性的职业资本并不是“声景”这一名称，而是在真实用户和硬件约束下构建并验证音频 AI 系统的综合能力。相关方向包括学术声学、机器听觉、听力设备、智慧建筑系统、环境感知、空间或车载音频、XR、嵌入式 AI 和以人为中心的技术研究。

新加坡数字经济报告摘要显示，需要 AI 技能的科技职位占比从 2019 年的 11% 上升到 2024 年的 14%，Python 和 SQL 仍是高度需求技能。报告还指出，2024 年本地科技从业者的月薪中位数为 S$7,950，而全体就业者为 S$4,860。这些数据说明的是广泛需求，并非声学领域的薪资预测。更直接的邻近行业信号来自 Singapore EDB 关于新建听力学研究实验室的报道，其中提到研究科学家、听力学家、声学工程师和系统工程师岗位。专业市场比通用 AI 更窄，因此论文、可部署代码、嵌入式性能分析和扎实的实验方法会影响职业流动性。

学校、学科与培养

学校背景较强。NTU 的当前排名摘要显示其在 QS 2027 全球排名中位列第 12，并在所引 U.S. News 表格中，Electrical and Electronic Engineering 排名第 1、Artificial Intelligence 排名第 2。EEE 科研概览显示，学院拥有 110 多名教师、2,000 多名研究生和 14 个研究中心或实验室；学院还称其在 2025 QS Electrical and Electronic Engineering 学科排名中位列世界第 4。不同排名采用不同方法，不应合并为一个分数。它们反映的是学校能见度和研究规模，而非具体导师安排的质量。

EEE 研究型 PhD可全日制或非全日制修读，设 1 月与 8 月入学批次。全日制学制通常为 2—5 年。项目要求完成 18 Academic Units 课程以及学院或学校的其他要求，并通过资格或确认考核。列出的研究方向包括 Audio/Acoustics Analytics、智能计算和多模态信号与信息处理，因此本课题与正式学术环境匹配。

研究型项目申请指南要求提交学业材料、适用时的英语能力证明和研究计划、CV、个人陈述、相关论文摘要、两封学术推荐信，以及 College of Engineering 项目要求的视频陈述。指南给出的常规申请窗口是：8 月入学批次为 10 月 1 日至 1 月 31 日，1 月入学批次为 6 月 1 日至 7 月 31 日。调研时，页面正在接受 2027 年 1 月入学申请。因此，项目中的“全年”更适合解释为可持续咨询项目或联系导师，并不能证明任何日期都能在正式系统中提交申请。

新加坡拥有密集的科技、科研与公共部门创新生态，但校园位于新加坡西部，住房供给会影响通勤和预算。对于转化研究，本项目所在地尤其有价值，因为政府、智慧建筑及办公空间合作方都是合理的潜在合作对象。不过，潜在合作可能性必须与已经确认的真实办公室部署权限区分开来。

导师与实验室评估

导师研究方向

官方 EEE 教师名录将 Gan Woon Seng 列为 Professor 和 Smart Nation Translational Lab 主任。他列出的研究兴趣——面向耳戴设备和开放窗户的主动噪声控制、空间音频处理及声学 AI——与项目提出的感知、生成和干预技术栈直接对应。

Smart Nation Translational Lab的工作覆盖城市声音分析、IoT、智能边缘计算和边云架构。实验室介绍其曾在室内外部署边缘分析设备，并与政府机构共同开发原型。团队页面列出 Bhan Lam、Dongyuan Shi、Ee Leng Tan、Santi Peksi、Kenneth Ooi、Zhen Ting Ong 和 Xiaoyi Shen 等研究人员。他们的公开工作涉及声景增强、声音事件检测、边缘分析和主动噪声控制，构成可信的同行环境；但公开团队成员身份并不能证明谁会被分配到本博士项目。

资助项目组合也具有连贯性：Audio Intelligence Monitoring at the Edge、Intelligent Edge Analytics for Noise Sensing、Augmenting Urban Soundscape、交通噪声监测与控制、沉浸式音频、面向耳戴设备的 Deep Ear，以及深度学习抗噪窗，都与拟议主题接近。这说明团队具备获得并执行相关资助的能力，但没有说明本博士项目对应哪项资助、生活津贴或设备预算。

团队已有可借鉴的隐私保护实践。Gan 主导的一套边缘噪声分析系统在本地完成声音分类，因此无需记录或传输原始声音样本。另一套开放窗主动噪声控制原型据称在测试环境中将传入环境噪声最多降低 50%，并有公共机构和国际高校合作方参与。这些案例证明团队具备转化工程能力，但不能证明室内系统的隐私或性能问题已经解决。

近期重要论文

通过声音事件定位与检测实现环境声学智能（2025）。 这篇由 Gan 共同署名的 npj Acoustics 综述总结了采用多通道音频、空间特征、公开 benchmark 和数据增强的深度学习 SELD 方法，并讨论了重叠声源、混响、动态噪声、距离感知的三维定位和数据高效学习。这些问题是识别真实办公室活动的核心，但论文属于综述，并非边缘部署研究。
面向声音事件检测的多粒度声学信息融合（2025）。 这篇 Signal Processing 论文通过交互式双 conformer 和场景相关掩码估计器，融合软标签、硬事件标签和声学场景标签。系统在 DCASE 2023 Task 4B 中取得领先成绩。对场景与事件关系的利用，直接有助于区分办公情境；但挑战赛成绩不能证明隐私、延迟或办公环境鲁棒性。
用 AI 自动增强城市声景（2024）。 这项发表在 Building and Environment 的现场研究使用自动系统，为 68 名居民选择自然声掩蔽音及回放音量。研究报告 ISO Pleasantness 提高 14.6%，并发现其与恢复感和积极情绪相关；感知结果与噪声低 6 dB(A) 的对照地点相当。这是团队能够把 AI 选择与真实人类结果相连接的有力证据。不过，受交通影响的室外住宅不同于共享办公室，后者还涉及语音隐私和任务表现限制。
ARAUS 数据集与基线模型（2024 期刊版本）。 ARAUS 研究提供了针对视听增强声景的 25,440 条独立主观响应，并评测回归、卷积和注意力模型。对于情感预测而言，这是高度相关且可复现的资源。其城市刺激和固定掩蔽音比例不能代表活动变化或长期办公暴露。
基于多模态融合的自主声景增强（2023）。 这篇 ICASSP 论文在声学模型中加入视觉和参与者关联情境。表现最佳的全模态模型，归一化 Pleasantness MSE 为 0.1194，而纯音频模型为 0.1217。增益具有统计显著性但幅度有限，额外情境还会带来隐私与公平成本。

实验室、资源与协作环境

现有研究环境覆盖完整的技术链条：声音感知、事件推理、空间或主动音频、感知建模及转化试验。实验室与政府合作的历史有利于现场部署，近期连续发表的论文也表明可能存在可复用的数据与代码资产。仍未有文件明确承诺以下资源：麦克风与扬声器阵列、边缘硬件、经校准的房间、办公测试场地、参与者招募、统计支持、实验工程、数据存储、出版经费和会议差旅。若博士项目包含大量办公空间实验，导师计划还应说明由谁负责心理声学或 HCI 指导。

资助、申请与生活成本

项目被描述为面向全球申请者的资助项目，但没有披露资助计划和具体待遇。NTU Research Scholarship只能作为当前参考标准，不能视为已确认待遇。自 2026 年 1 月起，该奖学金为国际 PhD 奖学金获得者提供每月 S$3,000，并覆盖年度学费；根据进展和资金情况，最多可续至 4 年。通过资格考试后，奖学金可能每月再增加最高 S$500，但加发属于酌情决定；国际奖学金获得者还必须承担 Graduate Assistantship 工作。

如果学费不获覆盖，AY2026 研究型项目费用表列出的国际 PhD 年费为：补贴标准 S$15,350，非补贴标准 S$34,460。这些金额说明书面确认学费覆盖至关重要。

住宿方面，Graduate Hall 2列出的 AY2026/27 月租为：双人套间每人 S$686，单人套间 S$876，空调另计。NTU 的生活成本参考项目包括餐饮 S$450–630、个人支出 S$230–550、交通或网约车 S$50–250，以及通信至少 S$30。将当前宿舍价格与这些项目合计，双人房每月约 S$1,446–2,146，单人房每月约 S$1,636–2,336。估算未包括押金、空调、保险、旅行、准证费用和异常支出；校内住房也不保证。

正式申请日历同样重要。现行指南给出的常规截止日期为：1 月入学批次 7 月 31 日，8 月入学批次 1 月 31 日。需要确认拟申请批次、导师预筛、奖学金提名流程和开始日期。资助文件还应明确生活津贴、学费与杂费、4 年连续性、资格考试后的调整、助教工作量，以及硬件、参与者补偿、会议差旅和开放获取出版费用。

申请者匹配与准备

更适合以下背景

在声学、音频工程、信号处理或电气工程方面基础扎实，并有定量研究成果的申请者。
能将机器学习与时频音频、声音事件检测、不确定性和域偏移联系起来的研究者。
对嵌入式或边缘部署感兴趣，包括延迟、内存、能耗、量化和隐私友好数据流。
能够设计听觉或办公空间研究，并综合分析客观声学、认知任务和主观反馈的申请者。
乐于与工程师、办公空间利益相关方和人类参与者开展跨学科合作的研究者。

以下情况需要谨慎

希望从事纯理论声学或不涉及现场部署的离线机器学习博士研究。
不希望处理人类参与者伦理、招募及主观数据。
在初步沟通前就必须获得完全固定的课题、已确认硬件和完整资助合同；这些内容尚未公开。
认为系统只需按分类准确率评价，而无需考虑隐私、用户接受度和办公收益。
职业规划依赖一个规模很大的独立室内声景市场，而不是更广泛的音频和应用 AI 能力。

建议强化的技能与证据

有说服力的作品集应包括：一个具有可复现代码、数据集文档和分类别错误分析的端到端音频项目；一项报告延迟、内存、能耗和数据移动的边缘部署 benchmark；以及一项假设清晰、具有统计功效依据和统计模型的行为或心理声学研究。实用方法包括多标签 SED、空间音频特征、模型压缩、校准、混合效应分析和房间声学测量。

隐私证据必须具体。原型可以证明不持久保存原始样本，但还应测试缓冲、日志、特征泄露和访问控制。人类参与者研究准备应包括知情同意、退出、数据保留和参与者沟通。NTU 的学生人类研究指南说明，研究生学位研究如果涉及参与者、问卷、观察或音频记录，需要由导师通过学校审查流程办理。

风险与待核实问题

高优先级问题

EEE 能否提供由学校托管的项目说明或该项目的内部编号？
Gan Woon Seng 是否为主导师？共同导师和日常指导人分别是谁？
精确的研究问题、工作包、里程碑、预期论文和备用方案是什么？
项目对应哪个入学批次与开始日期？全年咨询如何映射到正式申请窗口？
适用哪项资助计划？生活津贴、学费、各项费用和资助期限有哪些保证？
Graduate Assistantship 工作量是多少？资格考试后的生活津贴增加是保证还是酌情决定？
哪些办公场地、参与者群体、麦克风、扬声器、边缘设备和校准空间已落实？
哪些原始音频会被缓冲？哪些特征会被保存？如何测试语音或身份信息能否被重建？
适用哪类机构审查流程？样本量、功效分析、知情同意和数据管理方案是什么？
用哪些主要声学、认知、感知和福祉终点定义成功？

中优先级问题

将使用哪些静态掩蔽、声学处理和无干预基线？
系统如何处理重叠活动、不确定性和不稳定的情境切换？
计划采用哪些安全回放限值、用户控制和退出机制？
如何监测感觉敏感性、不同子群表现和不良反应？
硬件、参与者、差旅、会议和开放获取分别有多少预算？
导师沟通频率、署名规则、数据所有权和知识产权条款是什么？
对拟定入学批次而言，获得校内住房的可能性多大？是否提供搬迁或保险支持？
哪些产业或公共部门合作方已经确认，而不只是合理的潜在伙伴？

隐私问题应结合新加坡关于分析、匿名化与音频记录的数据保护指南评估。边缘推理可以降低暴露，但隐私取决于完整的技术与组织数据生命周期。

证据与来源

培养项目与学校背景