原始的分辨率为 30, 希望增加到 60, 是否可行?
训练数据是 30 -> 60, 测试数据就是 30 -> 60
其实没那么理想, 一炮数据并非单一的分辨率. (参见 4)

原始的分辨率未知, 希望增加到 60, 是否可行?
希望有自适应, 但神经网络不好准确控制, 不知道最终增加到了多少 (见 3).

神经网络方法, 能否控制增加后的分辨率? 或者只是听天由命?
后者. 获得的结果可以评估分辨率, 但无法根据给定参数进行控制.

原始的分辨率本身就不稳定 (不同的位置不一样), 希望增加到 60, 是否可行?
不可行. 但可以用相应的训练数据, 尽可能靠近.

原始的数据是否不同分辨率的叠加态? 就像我们说话一样, 同一个声音有高频、低频.
是的.

如何适应叠加分辨率?
制造相应的训练数据. 既有 30 的, 也有 40 的, 但给其权重不一样. 神经网络的重心: 制造/模拟训练数据

分辨率增强是否相当于把男声变成女声?
大概吧.

高频、低频是否对应于高分辨率、低分辨率
是.

把高低频分离的技术
信号处理中应该有.

主频: 声音占主导地位的部分 (交响乐的主音与和声)
几个子任务:
频率分离 -> 分别提升 -> 重新合成

声音的技术: 2 倍播放不改变音色 vs. 男生变女声, 使用哪种?
可能是后者.