SFG-Mamba：用于语音增强的可靠性感知语音帧图传播与状态空间建模

基于摘要分析。本文研究退化程度随时间变化的单通道语音增强，提出 SFG-Mamba，通过可靠性感知的 Speech Frame Graph（SFG）引导跨时间信息传递，使可靠帧的信息能够被其他时刻直接利用。主要研究对象是语音增强，而非 EEG 或 BCI。 机制上，SFG 建模帧级可靠性引导的信息传播；Speech Time-Frequency Graph Convolution（STGC）模块将非局部图信息与局部时频表示结合，再由双向 Mamba 进行长程时间建模。相较于主要按时间顺序处理语音的方法，其关键区别是显式利用帧间可靠性关系。可靠性估计方式、图边构造、传播权重、损失函数与训练细节尚未验证。 作者报告，在 VoiceBank+DEMAND 和 DNS 的语音增强实验中，PESQ 分别达到 3.57 和 3.52；作者另报告，在考察时间异质性增加所致性能下降的实验中，SFG-Mamba 在所比较方法中表现最佳。摘要未提供数据划分、噪声与信噪比设置、对照方法及统计信息，不能据此判断性能差异的稳健性或与其他协议直接比较。实验协议、消融及统计信息尚未验证，代码与复现条件亦尚未确认。 平台推测（待验证）：若 EEG 窗口的伪迹污染也呈时间异质性，可靠性引导的跨时间传播可能为局部受污染片段提供补充信息；这是机制迁移假设，不是已证实的 BCI 效果。图传播与长程建模思路可能复用，但语音时频模块及可靠性估计需适配 EEG 的通道结构和任务信号。低信噪比可能使可靠性估计失准，跨被试差异与小数据可能削弱图关系的稳定性，传播也可能抹平短暂的任务相关活动。可在固定被试内划分的 EEG 数据上注入局部伪迹，对比可靠性引导图与均匀权重图，检验其是否改善污染条件下的任务表现且不损害干净条件表现；不得跨训练与测试边界构图。已有 EEG 相关工作尚未检索确认。