面向语音增强的全局旋转等变相位建模与深度幅度-相位相互作用
声音
2026-05-18 v2
摘要
尽管深度学习已推动语音增强（SE）进展，但有效的相位建模仍具有挑战性，因为常规网络通常在平坦的欧几里得特征空间中运行，这不利于建模相位的固有圆拓扑。为此，我们提出了幅度-相位双流框架，通过强制相位流保持其内在圆几何特性来实现全局旋转等变（GRE），具体而言，我们引入了 Magnitude-Phase Interactive Convolutional Module（MPICM）用于基于模的数信息交换，以及 Hybrid-Attention Dual Feed-Forward Network（HADF）用于统一特征融合，两者均旨在保持相位流中的 GRE。对相位检索、去噪、去混响和带宽扩展等任务进行了全面评估，以验证所提方法在多个先进基准上的优越性。值得注意的是，在相位检索任务中，所提架构将 Phase Distance 降低超过 20%，在零样本跨语料库去噪评估中 improved PESQ 超过 0.1。还在包含混合失真的通用 SE 任务中证明了总体优越性。定性分析进一步表明，所学的相位特征 exhibits distinct periodic patterns，这与相位的固有圆性质相一致。源代码可在 https://github.com/wangchengzhong/GRE-Net 查看。
引用
@article{arxiv.2602.08556,
title = {Global Rotation Equivariant Phase Modeling for Speech Enhancement with Deep Magnitude-Phase Interaction},
author = {Chengzhong Wang and Andong Li and Dingding Yao and Junfeng Li},
journal= {arXiv preprint arXiv:2602.08556},
year = {2026}
}
备注
Submitted to IEEE TASLP