BERP：用于单通道噪声语音信号的盲室参数估计器

室环境参数（RAPs）、室几何参数（RGPs）以及瞬时占用水平是参数化听者所在局部环境声场的RACs（Room Acoustical Characteristics）的关键指标，为各种应用提供了全面性指示。当前盲估计方法要么未涵盖实际声学环境中的广泛范围（在实际背景噪声的背景下），要么仅估计少数RAPs和RGPs，且无法估计瞬时占用水平。本文提出了一种新的通用盲估计框架，称为盲估计室参数（BERP），通过统一的方法估计RAPs、RGPs和占用水平。该框架由两个模块组成：一个统一的房间特征编码器，将注意力机制与卷积层结合，以学习跨房间参数的通用特征；以及多个独立的参数预测器，用于并行连续估计每个参数。注意力与卷积的结合使模型能够从语音中捕获局部和全局声学特征，从而获得更稳健和更具通用性的特征。独立的预测器允许模型针对每个参数独立优化，以减少任务学习冲突并提高每个任务的性能。该估计框架在保持满意性能的同时，实现了对室参数的通用且高效估计。为评估所提出框架的有效性，我们从多个公开数据集中编译了一个任务特定数据集，包括合成和真实混响录音。结果表明，BERP实现了最先进（SOTA）性能，并在现实场景中表现出色。代码和模型权重已在GitHub上提供。