双耳角度分离网络

我们提出了一种神经网络模型，该模型能够使用两个麦克风，将目标语音源与来自不同角度区域的干扰源分离开来。该模型使用全向麦克风的模拟房间脉冲响应（RIRs）进行训练，无需收集真实的RIRs。通过依赖特定的角度区域和多个房间模拟，该模型利用一致的到达时间差（TDOA）线索（我们称之为延迟对比），来分离目标和干扰源，同时在各种混响环境中保持鲁棒性。我们证明，该模型不仅能泛化到麦克风几何形状略有不同的商用设备上，而且性能优于我们之前在同一设备上使用一个额外麦克风的工作。该模型可在设备上实时运行，适用于电话和视频会议等低延迟流式应用。