RDSE：面向双麦消费级智能手机的实时定向语音增强框架

RDSE 是一套面向双麦克风低端智能手机的实时定向语音增强框架，融合传统信号处理与机器学习方法，将视觉交互与特征推理解耦，仅用相机输入参数化空间滤波的导向矢量。系统由去混响网络、基于时域卷积网络的波束成形器和 MetricGAN 降噪器四个模块组成。在基准数据与真实录音上的评估显示，无需精确几何校准即可实现有效变焦，性能与现有方法相当，并通过了统计检验、消融实验、延迟分析与实时直播验证。