去混响

针对解析训练态与自生 rollout 态的暴露偏差，纠正性强制用动态 rollout 纠正加反事实转移一致性统一后训练 SB-VE 与 OT-CFM，在 VoiceBank 上把 SB-VE 的 PESQ 从 3.07 提升到 3.21 并稳定多步 SI-SDR，代价是 UTMOS 提升有限且需额外 rollout 开销。

DriftSE 把语音增强写成潜空间分布对齐问题，用冻结编码器的帧级漂移场在训练时牵引生成分布、推理时丢弃漂移只做一次前向，在四个数据集上以 1 次函数求值取得词错误率最优，但纯声学潜空间会出现幻觉而非配对训练会损失语义保真度。

针对听音房间混响破坏高阶 Ambisonics 解码方向感的问题，作者把常规解码级联一个由闭合球面控制点房间脉冲响应求逆得到的串扰矩阵，在 26 扬声器仿真房间中使同通道能量在 500 Hz 到 4 kHz 高出约 10 dB，代价是依赖已知房间脉冲响应与高频预处理且频带外仍有串扰。

该文以目标方向对应的个性化头相关传输函数为线索，用全复数神经网络从双耳混合中提取目标并保留双耳线索，在无混响下取得清晰提取、在混响下兼顾去混响，但混响下的客观语音质量仍低于同期强基线。

共收录 91 篇 dafx-2026 会议论文的 Reader 深度解读

共收录 127 篇 eusipco-2026 会议论文的 Reader 深度解读

论文把传声器信号写成声源经无限冲激响应的卷积，证明在环路延迟足够长且该无限冲激响应可用有限冲激响应近似时反馈分量落入晚期混响段，从而用加权预测误差去混响做联合去混响与声反馈抑制，仿真显示其在 6 dB 与 -6 dB 增益裕量下均优于连续自适应滤波器，代价是依赖延迟条件与有限冲激响应近似。

针对加性噪声下传统加权预测误差去混响鲁棒性下降和多通道延迟观测导致矩阵求逆复杂度为 O(M^3L^3) 的问题，论文用观测自相关矩阵主特征向量重建参考信号并压缩延迟观测子空间，在 8 麦克、混响时间 800 毫秒、白噪声与扩散噪声各两种信噪比仿真中提升去混响增益，代价是压缩维度与迭代近似带来性能与复杂度权衡。

针对噪声加混响同时存在的语音与音乐恢复问题，论文把多麦克风观测的最小二乘数据保真项与正则项组成反问题并用前向后向算法展开为 10 层网络，在已知或估计房间冲激响应与噪声标准差的条件下，LibriSpeech 上多麦克风展开结构取得最好客观与主观指标，代价是依赖房间与噪声先验且去混响层数与去噪器规模不可过小。

共收录 147 篇 aaai-2026 会议论文的 Reader 深度解读

该文要解决厅堂在人员与声源变化下混响时间漂移的问题，选择用卷积神经网络估计当前混响时间再由强化学习调节面板吸声系数的闭环路线，给出的最强证据是动态条件下把混响时间维持在目标 0.15 秒以内，代价是全过程依赖仿真反馈且未报告真实厅堂部署的延迟与能耗实测。

该文把配对干净与带噪语音之间的流匹配与扩散桥统一为均值方差不同的高斯概率路径，论证数据预测训练下每步采样等价于预测式增强，并用时频主干与改进损失在更少参数和更少步数下超过已有生成式基线，但提升上限仍受预测本质约束。