自动语音识别（ASR）系统在智能设备、内容审核等场景中广泛应用，但近期研究发现其易受多种恶意音频攻击。其中一种新型频谱降级攻击通过移除音频中非必要的频率成分，生成人类可感知但ASR系统无法正确识别的对抗样本，对社交媒体平台上音视频内容的安全审核构成威胁。本文提出一种名为ACE的声学补偿系统，旨在防御此类攻击。系统设计基于两个关键观察：一是频率成分依赖性——离散傅里叶变换计算会引入频谱泄漏和混叠效应，导致相邻频率成分间存在高相关性，因此可利用剩余频率成分恢复被移除的部分；二是扰动敏感性——频谱降级攻击中移除的成分可视为对抗噪声的逆过程，当对抗音频在无线传播场景中重放时攻击成功率会下降，因此可通过模拟声学传播过程向被攻击音频添加空中传播扰动。ACE原型实验表明，该系统能有效减少高达87.9%由频谱降级攻击引起的ASR推理错误。此外，通过分析真实音频样本上的残留错误，作者总结了六种通用ASR推理错误类型，并探究了错误成因及潜在缓解方案。该研究为ASR安全性提供了新的防御视角，适合语音安全研究者和音频内容审核平台关注。