LEAF滤波器组初始化与噪声增强的频率分析

本研究深入分析了可学习前端LEAF的滤波器组初始化效果，覆盖语音识别、情感识别、声学场景分类和鸟类检测四项任务。实验表明，只要初始化覆盖整个频谱，性能即可保持高位，但滤波器参数几乎不调整；而均匀初始化虽会引起参数变化，性能却始终较低。这一现象与任务中的频率信息分布无关，凸显了初始化策略与LEAF固有归纳偏置的关键作用，对其在不同场景下的适应性与可解释性提出了质疑。实验代码已公开。