摘要

本研究旨在探索一种可扩展的状态空间模型（State-Space Model, SSM）——Mamba，用于语音增强（Speech Enhancement, SE）任务。我们基于Mamba构建了一个回归模型，用以表征语音信号，并在此基础上设计了一种新型语音增强系统，命名为SEMamba。通过将Mamba作为基础与先进语音增强系统的核心模型，并结合信号级距离度量与面向度量的损失函数，我们系统地研究了Mamba的特性。实验结果表明，SEMamba表现优异，在VoiceBank-DEMAND数据集上取得了3.55的PESQ得分。当与感知对比拉伸（perceptual contrast stretching）技术相结合时，所提出的SEMamba进一步实现了新的最优性能，PESQ得分达到3.69，刷新了该任务的当前最优水平。