LABNet：用于 Ad-hoc 多通道麦克风不变实时语音增强的轻量级注意力波束成形网络
声音
2025-08-28 v3 音频与语音处理
摘要
多通道语音增强（SE）旨在利用时空信号特征从含噪测量中恢复纯净语音。在 ad-hoc 阵列条件下，麦克风不变性（MI）要求系统能够处理不同的麦克风数量和阵列几何结构。从实际应用角度来看，多通道录音不可避免地增加了边缘设备应用的计算负担，凸显了轻量级和高效部署的必要性。在这项工作中，我们提出了一种轻量级注意力波束成形网络（LABNet），将麦克风不变性集成到低复杂度的实时语音增强系统中。我们设计了一个三阶段框架，用于高效的通道内建模和通道间交互。开发了一个跨通道注意力模块，以选择性地聚合来自每个通道的特征。实验结果表明，我们的 LABNet 在保持麦克风不变性的同时，以超轻量的资源开销实现了令人印象深刻的性能，显示出在 ad-hoc 阵列处理方面的巨大潜力。代码可用：https://github.com/Jokejiangv/LABNet.git
引用
@article{arxiv.2507.16190,
title = {LABNet: A Lightweight Attentive Beamforming Network for Ad-hoc Multichannel Microphone Invariant Real-Time Speech Enhancement},
author = {Haoyin Yan and Jie Zhang and Chengqian Jiang and Shuang Zhang},
journal= {arXiv preprint arXiv:2507.16190},
year = {2025}
}