基于贝叶斯跟踪的自回归式深层空间选择性滤波器指导：用于高效提取移动说话人

深层空间选择性滤波器在已知方向的静止说话人场景中实现高质量增强，并具备实时能力。为在仅给定说话人初始方向的动态场景中保持此水平性能，准确且计算轻量级的跟踪算法至关重要。在本工作中，我们假设采用帧级因果处理样式，利用增强后的语音信号进行时序反馈，以提高跟踪性能。我们研究了将增强信号纳入轻量级跟踪算法中的策略，并自回归式地指导深层空间滤波器。我们提出的贝叶斯跟踪算法与任意深度空间滤波器兼容。为增加开发和评估期间模拟轨迹的真实性，我们提出并发布了一个基于社会力模型的新型数据集。结果验证了自回归式纳入显著改善了贝叶斯跟踪器的准确性，进而实现增强性能提升，计算开销仅为轻微增加。真实录制的音频补充了这些发现，证明了方法对未见的、具有挑战性的声学条件的通用性。