论文解读
用一个网络同时管滤波器和后处理：轻量回声消除与抑制框架解读
该文针对麦克风信号中回声、近端语音和噪声混叠的问题，用一个多输出网络同时估计可变步长与转移因子的滤波器参数并做残留回声后处理，在约束递归训练下以 253 k 参数在仿真验证集和 AEC 挑战评估集上提升了信号质量与可懂度。
回声消除
论文解读
因果约束下做扩散：DiffVQE2 如何把回声噪声联合控制做到低延迟
针对免提通话需要因果低延迟联合回声噪声控制的问题，DiffVQE2 用因果卷积加单向 GRU 改造混合扩散框架并辅以有限前视，在 ICASSP 2023 AEC 盲测上以更低算力取得更高的主观 MOS，但客观双讲指标仍有代价。
会议总览
interspeech-2026 论文深度解读
共收录 1354 篇 interspeech-2026 会议论文的 Reader 深度解读
论文解读
回声可参考、噪声不可参考时先判别抑制再单步生成补细节
DiffVQE 针对免提通话中声回声加背景噪声，用条件判别网络先估计近端语音再用单步分数扩散精修，在受控合成验证集与公开盲测集上多数质量与可懂度指标超过同数据重训的 DeepVQE，代价是回声单项略低且系统仍为非因果。
论文解读
三路不对齐时先对齐再融合：LMPAN 用轻量多路径校准保住双讲语音
针对全双工对话中时延漂移与能量失配导致回声残留和过抑制问题，LMPAN 用多路径软对齐加注意力融合与动态目标加两阶段 SSL 训练，在约 480K 参数和 126M 计算量下取得与 DeepVQE-S 可比的主观与下游任务表现，代价是动态目标会略微拉低整体 MOS。
论文解读
用固定维高斯包络驯服三角基：GTFLN 的局部化、优化与稳态误差
针对三角函数链非线性建模局部化不足的问题，该文用零中心高斯包络乘三角基构造固定维 GTFLN 并推导缩放参数局部优化的 OGTFLN 与稳态超量均方误差，最强证据是多组非线性系统辨识与回声对消和有源控制实验中更低的稳态误差和噪声残留，代价是 OGTFLN 求优化参数的额外计算量和对匹配次级通道等条件的依赖。
论文解读
长脉冲响应拆成两个短滤波器：RLS-NKP 如何用两个可变遗忘因子兼顾精度与跟踪
针对长回声路径辨识问题，论文把长度为 L 的脉冲响应拆成两个短分量滤波器并为各自设计可变遗忘因子，在网络与声学回声消除仿真中报告了比固定遗忘因子 RLS-NKP 更低失调与更快跟踪，但未给出失调数值的表格且依赖对角协方差等简化假设。
会议总览
eusipco-2026 论文深度解读
共收录 127 篇 eusipco-2026 会议论文的 Reader 深度解读
论文解读
把大模型的回声控制能力压缩到小模型：知识蒸馏如何弥补轻量化损失
针对声学回声控制中深度模型计算量过大而直接缩小模型会明显掉性能的问题，论文用大教师指导小学生的知识蒸馏训练轻量 CGGN16，在双讲条件下保住近端语音并有效抑回声，代价是仍需先训练大教师且依赖仿真数据条件。
论文解读
不估路径，先认出声音：跨终端啸叫为何要改用对象门控
回声消除 | 4.9/10
论文解读
把教师的回声残差教给小模型：AEC 蒸馏到底补回了什么
回声消除 | 8.5/10
每日研究速递
语音/音乐/音频论文速递 2026-08-27
共分析 21 篇语音/AI 论文
论文解读
A Regularized Block Diagonal RLS Algorithm for Acoustic Echo Cancellation
回声消除 | 7.2/10
论文解读
Echo-Aware Modulation for Compact-Latent Frequency-Time Modeling in Lightweight Acoustic Echo Cancellation
语音增强 | 6.3/10
每日研究速递
语音/音乐/音频论文速递 2026-08-05
共分析 32 篇语音/AI 论文
论文解读
LMPAN: A Lightweight Multi-Path Alignment Network for Joint Full-Duplex Acoustic Echo Cancellation and Noise Suppression
语音增强 | 6.2/10
每日研究速递
语音/音乐/音频论文速递 2026-07-03
共分析 31 篇语音/AI 论文
论文解读
DiffVQE: Hybrid Diffusion Voice Quality Enhancement Under Acoustic Echo and Noise
语音增强 | 6.2/10
会议任务专题
ICASSP 2026 - 回声消除
共 1 篇 ICASSP 2026 回声消除 方向论文
论文解读
Maximum Likelihood Measurement Noise Estimation for Block-Time Domain Kalman Filters
回声消除 | 7.0/10