EDNet：基于门控Mamba机制和相位位移不变训练的通用语音增强框架
音频与语音处理
2026-02-05 v2 声音
摘要
实际环境中的语音信号常受到各种失真的影响，如叠加噪声、混响和带宽限制，这些失真可能单独出现或组合出现。传统语音增强方法通常依赖于掩码方法，后者专注于抑制非语音成分以保留可观察的结构，或依赖于映射方法，通过直接转换输入来恢复干净的语音。每种方法在特定情境下都有优势，但在其目标条件之外可能效果较差。我们提出了擦除和绘制网络（EDNet），一种设计用于处理广泛失真类型的通用语音增强框架，而无需对任务或输入特征进行先验假设。EDNet由两个主要组件组成：（1）门控Mamba（GM）模块，通过可学习的门控机制自适应地组合掩码和映射，以基于局部信号特征选择抑制（擦除）或重建（绘制），以及（2）相位位移不变训练（PSIT），这是一种对位移容错的监督策略，通过在训练期间动态对齐来改进相位估计，同时保持与标准损失函数的兼容性。在去噪、去混响、带宽扩展和多失真增强任务上的实验结果表明，EDNet在各种条件下均实现了强性能，显示出其架构的灵活性和适应性以应对多样化的任务设置。
引用
@article{arxiv.2506.16231,
title = {EDNet: A Versatile Speech Enhancement Framework with Gating Mamba Mechanism and Phase Shift-Invariant Training},
author = {Doyeop Kwak and Youngjoon Jang and Seongyu Kim and Joon Son Chung},
journal= {arXiv preprint arXiv:2506.16231},
year = {2026}
}
备注
Accepted by IEEE Transactions on Audio, Speech and Language Processing. Copyright IEEE. The final version will appear in IEEE Xplore