一种轻量级傅里叶基准的双体语音增强网络，保留空间线索
音频与语音处理
2026-01-26 v2 声音
摘要
双体语音增强面临严重的权衡挑战，现有的SOTA性能由计算密集型架构实现，而轻量级解决方案往往会导致显著的性能下降。为填补这一差距，我们提出了 Global Adaptive Fourier Network（GAF-Net），一种轻量级深度复杂网络，旨在在性能和计算效率之间建立平衡。GAF-Net 架构包含三个组件。首先，一个结合短时傅里叶变换和 gammatone 特征的双特征编码器增强了声学表征的鲁棒性。其次，一个在全局自适应傅里叶调制器中高效捕获长期时序依赖性，同时保留空间线索。最后，实现动态门控机制以减少处理伪影。实验结果表明，GAF-Net 在竞争性性能方面表现优异，尤其是在双体线索（ILD 和 IPD 误差）和客观可懂性（MBSTOI）方面，同时具有更少的参数和计算成本。这些结果确认了 GAF-Net 提供了一种在资源受限设备上实现高保真双体处理的可行方式。
引用
@article{arxiv.2509.14076,
title = {A Lightweight Fourier-based Network for Binaural Speech Enhancement with Spatial Cue Preservation},
author = {Xikun Lu and Yujian Ma and Xianquan Jiang and Xuelong Wang and Jinqiu Sang},
journal= {arXiv preprint arXiv:2509.14076},
year = {2026}
}
备注
Accepted at IEEE ICASSP 2026