BASEN：多说话人条件下采用卷积交叉注意力的时域脑辅助语音增强网络

基于摘要分析。该研究针对多说话人条件下、缺乏目标说话人先验信息时的单通道语音增强问题，提出时域脑辅助语音增强网络 BASEN，利用听者的 EEG 信号从单声道混合语音中提取其关注的目标说话人。其核心贡献是通过卷积多层交叉注意力融合 EEG 与音频特征，将听觉注意相关脑活动用于引导语音提取。 机制上，研究以听觉注意解码的发现为依据：听者脑活动包含所关注说话人的听觉信息。BASEN 基于全卷积时域音频分离网络，并通过交叉注意力模块融合双分支特征，以利用 EEG 提供的互补信息。摘要未说明 EEG 编码方式、音频与 EEG 的时间对齐策略、交叉注意力的具体计算形式，以及训练目标与推理所需条件，这些内容尚未验证。 作者报告，在一个公共数据集上的实验中，BASEN 在多项评估指标上优于所比较的最先进方法；摘要未提供数据集名称、被试数量、指标名称、具体数值或基线名称，也未说明被试内、跨被试或跨会话划分，因此目前无法判断优势的幅度与泛化范围。实验协议、消融及统计信息尚未验证。 摘要提供了可复现代码地址，但代码完整性、环境依赖、数据获取条件与结果可复现性尚未验证。复现时可重点核对交叉注意力相对于其他融合方式的增益，以及 EEG 与音频同步和数据划分设置对结果的影响。研究对象是 EEG 引导的目标语音提取，摘要中的结果不能直接等同于独立听觉注意解码性能或实时 BCI 系统效果。