基于卷积重参数化的轻量级多通道语音增强

来源：信号处理杂志 2025年第12期北京时间：

作者：高九鹏, 孙天驰, 陈锴, 卢晶

摘要：多通道语音增强利用麦克风阵列的空间感知能力，从含噪信号中提取高质量目标语音，是语音交互、会议通信与听觉辅具等应用的关键预处理环节。然而，在边缘设备受限于实时因果约束及算力与存储预算的条件下，现有方法在低信噪比与复杂噪声场景中难以兼顾性能与效率。为此，本文提出一种面向部署的轻量级因果多通道网络（Multi-Branch Causal Network，MBCNet）。该网络联合编码听觉特征、复数谱与空间线索，并以可重参数化的多分支卷积为核心单元：训练阶段并行建模时域、频域及其耦合信息；推理阶段通过线性等效融合将多分支还原为单核卷积，不引入额外推理开销。同时，设计频率下采样-上采样模块，相较于传统“卷积-转置卷积”组合，在计算量近乎不变的前提下将频率感受野加倍，从而增强宽带噪声抑制能力。进一步地，基于“分支重要度”度量，在模型收敛后对分支进行有约束的增删与微调，使计算资源在关键通道与尺度上自适应再分配，于固定推理复杂度下获得可量化的性能增益。消融实验表明：多分支卷积在等效复杂度下优于常规卷积；去除空间或复数域特征均会劣化指标；所提频率模块在保持因果性的同时更为稳健。对比实验进一步验证，MBCNet以更低的参数规模与计算开销实现优于或可比主流模型的降噪性能，体现出良好的边缘侧有效性与部署潜力。

关键词：多通道语音增强, 轻量级, 卷积重参数化