基于 HRTF 的导引式 立体声靶标说话人提取及真实场景验证

本文提出了一种基于头相关传递函数（HRTF）的导引式立体声靶标说话人提取（TSE）框架，用于从并置的多源混合信号中提取靶标说话人。与基于方向到达估计或注册信号的常规 TSE 方法不同，后者常会扭曲感知到的空间位置，本方法利用听者的 HRTF 作为显式的空间先验条件。该框架建立在多通道深度盲源分离主干上，适应立体声 TSE 设置。它训练于来自多样化人群的测量 HRTF 上，实现跨听者的泛化，而非仅限于特定听者的调校。通过在 HRTF 派生的空间信息条件化，该方法在增强语音质量和可理解性的同时，保留了立体声线索。该方法的性能通过仿真和来自头和躯干模拟器（HATS）的真实录制得到了验证。