由时变相对传递函数引导的可解释双耳深层波束成形
音频与语音处理
2026-02-18 v2
摘要
本文提出了一个用于动态声学环境中语音增强的深度波束成形框架。该框架通过深度神经网络从噪声多通道信号中学习时间变化的波束器权重，由移动目标说话者的相对传递函数 (RTF) 连续跟踪所指导。我们通过在 8 麦克风线性阵列上评估窄带和宽带波束图，分析网络的空间行为，分为三种模式：(i) 使用真实 RTF 的 oracle 指导，(ii) 使用子空间跟踪的 RTF 估计指导，(iii) 不使用 RTF 指导。结果表明，RTF 指导可获得更平滑、更具空间一致性的波束图，能够跟踪目标到达方向 (DOA)，而无 RTF 指导的模型无法保持清晰的空间聚焦。我们进一步将框架扩展到用于动态目标说话者增强的双耳波束成形。该系统使用基于 RTF 的声学仿真训练，模拟移动源，实现左右耳的真实空间渲染。空间线索通过声压差 (ILD) 和声时差 (ITD) 进行量化评估，证明了该方法适用于可穿戴设备 applications。
引用
@article{arxiv.2511.10168,
title = {Interpretable Binaural Deep Beamforming Guided by Time-Varying Relative Transfer Function},
author = {Ilai Zaidel and Sharon Gannot},
journal= {arXiv preprint arXiv:2511.10168},
year = {2026}
}