使用贝叶斯跟踪的深度学习空间选择性滤波器自回归引导技术，用于高效提取移动说话者声频信息

研究人员提出一种结合贝叶斯跟踪与自回归引导的深度空间选择性滤波器新方法，旨在动态场景下高效提取移动说话人。该方法利用帧级因果处理中的时间反馈机制，将增强后的语音信号纳入轻量化跟踪算法以优化性能。研究构建了基于社会力模型的合成数据生成框架，用于提升轨迹仿真的真实性。实验表明，自回归融合显著提高了贝叶斯跟踪器的准确率，在实现卓越增强效果的同时，仅增加微量或无计算开销，且经真实录音验证，该方法具备对未见声学条件的泛化能力。