TF-Mamba：面向声源定位的时间频率网络

声源定位（Sound Source Localization, SSL）是指利用多通道音频数据确定声源位置。它常用于提高语音增强与分离效果。从语音信号中提取空间特征对于SSL尤为关键，尤其是在挑战性的声学环境下。最近，一种称为Mamba的新型结构在 various sequence-based modalities 上展现出突出性能。本研究介绍了用于SSL任务的Mamba模型。我们考虑采用基于Mamba的模型来通过融合时域与频域特征来分析语音信号的空间特征，开发了一个名为TF-Mamba的SSL系统。该系统集成了时频融合机制，采用双向Mamba处理时序与频率信息。我们在模拟数据与真实数据上进行了实验。实验结果表明，TF-Mamba显著优于其他先进方法。该代码将在适当时公开发布。