我组四篇论文被 INTERSPEECH 2025 录用

======

近日，我课题组共有 四篇论文 被国际语音大会 INTERSPEECH 2025 录用。四项工作分别面向多通道主动降噪（MCANC）、无线声传感器网络（WASNs）语音增强、HRTF 插值、语音活动检测与重叠语音检测（VAD/OSD）等关键声学任务，展示了我组在 智能声学与语音信号处理 方向的系统性研究进展。

1. Reference Subset Selection Considering Filter Length for Multi-channel Active Noise Control

作者： 呼德（通讯作者）、刘姝瑶、何艳榕

在多通道有源噪声控制系统中，更多的参考麦克风可带来更强的降噪能力，但也意味着更高的计算代价。本文提出一种 同时选择参考麦克风子集与自适应确定滤波器阶数 的优化方法：

• 稀疏性驱动的麦克风选择：利用稀疏正则项自动筛选关键参考通道；
• 辅助向量促进高阶系数收敛为零：实现最优滤波器阶数自适应确定；
• 重加权策略：进一步提升稀疏性，减少计算复杂度；
• 保持降噪性能的同时显著降低计算负担，提升实时性。

2. Joint Rate Allocation and Sensor Selection for Speech Enhancement in Wireless Acoustic Sensor Networks

作者： 呼德（通讯作者）、李琪龙

在能量受限的无线声学传感器网络中，高能效语音增强是核心挑战。本文提出一种 频率不变的比特率分配 + 传感器选择联合优化（FI-RASS）方法：

• 在比特分配中引入稀疏性，避免 NP 难的布尔规划；
• 跨频率一致的传感器选择策略，解决传统 RASS 频率间选择不一致的问题；
• 重加权稀疏优化，进一步降低网络整体能耗；
• 在保证语音增强质量的前提下显著提高能效。

3. D-GAT: Dual Graph Attention Network for Global HRTF Interpolation

作者： 胡俊升、李少杰、斯琴图雅、呼德（通讯作者）

HRTF（头相关传递函数）在 VR/AR 空间音频中至关重要，但其高密度采样成本昂贵。本文提出一种 双图注意力网络 D-GAT，从空间域与频率域联合建模 HRTF 的结构特性：

• 空间图（位置维度）+ 频率图（频带维度）双图结构；
• 双注意力融合机制：在两张图之间共享与交互关键特征；
• 全局插值能力更强，可在稀疏测量情况下恢复完整 HRTF；
• 在多个公开数据集上，优于传统插值和单图神经网络方法。

4. Temporal Convolutional Network with Smoothed and Weighted Losses for Distant VAD and Overlapped Speech Detection

作者： 李少杰、斯琴图雅、呼德（通讯作者）

远讲语音场景中，由于混响、噪声与说话人重叠，VAD/OSD 任务变得极具挑战。本文提出基于 TCN（Temporal Convolutional Network）的改进框架：

• 利用 TCN 建模长时依赖，提升远讲场景中的建模能力；
• 平滑损失函数 有效减少输出的突变，提高语音片段边界一致性；
• 加权损失策略 强化模型对重叠语音与弱语音的检测能力；
• 在多种真实远讲场景下均取得显著优于基线的性能。

四篇论文的录用充分展示了我组在 空间音频、主动降噪、语音增强、语音前端处理 等方向的持续探索与创新。未来，我们将继续面向智能声学的核心问题深入研究，推动相关技术在实际系统中的应用。