基于双麦克风阵列的神经定向语音增强

在多说话人场景中，利用空间特征对于语音增强至关重要。尽管拥有有限的麦克风阵列，但在极端低信噪比（SNR）条件下，开发紧凑的多通道语音增强系统仍具有挑战性。为此，我们提出一种三向引导空间选择方法，一种灵活的框架使用三个引导向量来指导增强并确定增强范围。具体而言，我们引入一种因果定向 U-Net（CDUNet）模型，该模型以原始多通道语音和所需增强宽度作为输入。从而根据目标方向动态调整引导向量，并根据目标信号与干扰信号之间的角度分离对增强区域进行微调。我们的方法仅需双麦克风阵列，即可在语音质量和下游任务性能方面取得优异表现。该模型实时运行，参数数量最少，适用于低延迟、设备端流式应用。