利用MAMBA联合频谱与空间学习进行多通道语音增强

在多通道语音增强中，有效捕获不同麦克风间的空间和频谱信息对于降噪至关重要。传统方法（如CNN或LSTM）试图对全频带和子频带频谱及空间特征的时序动态进行建模。然而，这些方法在充分建模复杂的时序依赖性方面存在局限性，尤其是在动态声学环境中。为了克服这些挑战，我们通过引入Mamba（一种状态空间模型）的改进版本来修改当前先进的McNet模型，并进一步提出MCMamba。MCMamba经过了彻底的重新设计，将全频带和窄带空间信息与子频带和全频带频谱特征相集成，提供了一种更全面的建模空间和频谱信息的方法。我们的实验结果表明，MCMamba显著改善了多通道语音增强中空间和频谱特征的建模，优于McNet并在CHiME-3数据集上达到了SOTA性能。此外，我们发现Mamba在频谱信息建模方面表现尤为出色。