基于时域表示的在线说话人感知语音分离方法

基于摘要分析。本文研究单通道多说话人混合语音中目标说话人的提取与持续跟踪，在 source-aware context network 结构上引入显式说话人信息建模，并提出原始波形稀疏编码器，以改善时域表示的判别信息保留。 机制上，原有 source-aware context network 利用混合语音与估计声源的时间上下文；本文增加辅助说话人识别分支，通过多任务学习联合优化语音分离与说话人跟踪。摘要未给出各任务的损失形式、权重或身份监督组织方式，也未说明波形编码器如何实现稀疏性。其创新主线是将身份判别与声源估计结合，而非仅改进混合信号重建。 作者报告，在 WSJ0-2mix benchmark 上，该系统显著改善 Signal-to-Distortion Ratio（SDR）。摘要未提供具体数值、对照系统、数据划分、显著性检验或在线推理延迟，因此不能判断改善幅度及实时部署条件；实验协议、消融及统计信息尚未验证。 平台推测（待验证）：若研究目标是利用同步语音和 EEG 解码听觉注意，将说话人身份表示与连续语音轨迹结合，可能有助于降低候选语音身份随时间切换的影响。这一假设依赖可用的候选声源、身份监督及同步注意标签；可复用的是语音侧的身份感知分离与跟踪模块，仍需另建 EEG 编码和跨模态匹配机制。EEG 低信噪比、跨被试差异及小样本可能使身份线索与注意状态难以对齐。可先在固定被试划分和相同 EEG 解码器下，对比普通分离与身份感知分离得到的候选语音，检验跟踪稳定性及注意解码表现是否改善。该实验仅为迁移假设，已有相关 EEG 工作尚未检索确认。