德国学者提出的一个轻量级的语音降噪模型，自己实测了一下，性能稍逊FRCRN模型，但计算效率高多了。

一、文章概述 

本文提出DeepFilterNet，一种基于深度滤波的低复杂度全频带语音增强框架。该框架分两阶段：第一阶段利用ERB缩放增益增强频谱包络，模拟人类频率感知；第二阶段通过深度滤波增强语音周期成分。采用可分离卷积和分组线性/循环层实现网络稀疏性，降低复杂度。实验表明，该两阶段深度滤波方法在多种频率分辨率和延迟下优于复掩码，且与其他先进模型性能相当。

二、研究背景 

单声道语音增强在自动语音识别、视频会议及助听设备中至关重要。现有主流方法基于短时傅里叶变换（STFT）估计时频（TF）掩码，但实值或复值掩码在频率分辨率较低时（如窗口≤20ms）难以去除语音谐波间噪声。深度滤波通过复滤波器利用时频局部相关性，可恢复信号退化，但现有研究多依赖网络架构改进（如复TF-LSTM）。因此，本文旨在设计低复杂度框架，验证深度滤波在不同FFT尺寸下的优势，尤其低延迟场景（如5ms窗口）。

三、研究思路 

• 提出研究问题：现有复掩码在低频率分辨率下性能下降，深度滤波能否在多FFT尺寸（5-30ms）及低延迟下优于复掩码？

• 构建研究框架：设计两阶段框架，第一阶段用ERB滤波器组和编解码器网络增强频谱包络，第二阶段通过深度滤波增强低频周期成分，结合学习权重因子α控制滤波应用。

• 

• 选择研究方法：采用UNet类架构，使用可分离卷积、分组线性/GRU层降低复杂度；基于DNS数据集训练，混合多种噪声并添加数据增强；使用压缩谱损失（含幅度和相位项）及α损失优化模型。

• 分析数据：比较不同FFT尺寸下深度滤波（DF）与复比率掩码（CRM）的SI-SDR，评估模型在VCTK/DEMAND测试集的WB-PESQ和计算复杂度（MACS）。

• 得出结论：深度滤波在各FFT尺寸下优于CRM，DeepFilterNet性能与先进模型相当且复杂度更低。

四、研究结果 

• 深度滤波（DF）在5-30ms FFT窗口尺寸下的SI-SDR均优于复比率掩码（CRM），尤其在窗口≤20ms时优势显著。

• DeepFilterNet在VCTK/DEMAND测试集上WB-PESQ达2.81，SI-SDR达16.63dB，与DCCRN+性能相当。

• 模型参数仅1.8M，MACS为0.35G，计算复杂度远低于DCCRN+等先进模型，适合实时应用。

• 移除第二阶段（深度滤波）后，WB-PESQ降至2.57，SI-SDR降至13.81dB，验证两阶段设计的必要性。

五、研究结论、不足与展望 

• 研究结论：提出低复杂度DeepFilterNet框架，通过两阶段深度滤波（ERB增益+周期成分增强）实现高效语音增强。实验证明深度滤波在多FFT尺寸下优于复掩码，模型性能与先进方法相当且计算复杂度更低，可满足实时需求。

• 研究的创新性：1. 结合ERB感知特性与深度滤波，分阶段增强频谱包络和周期成分；2. 采用可分离卷积和分组层实现网络稀疏性，显著降低复杂度；3. 验证深度滤波在低延迟（5ms）场景的有效性。

• 研究的不足之处：深度滤波仅应用于低频（≤5kHz），高频周期成分未被增强；α损失依赖局部SNR阈值，可能无法精准区分语音与周期性噪声；模型在极端低SNR（＜-10dB）下性能未明确评估。

• 研究展望：1. 改进周期性成分检测，如基于相关性的浊音概率，优化深度滤波应用范围；2. 探索高频深度滤波，提升全频带增强效果；3. 优化α损失函数，增强对周期性噪声的鲁棒性；4. 扩展至多通道语音增强或联合回声消除任务。

• 研究意义：为低复杂度、实时全频带语音增强提供有效框架，可应用于助听设备、VoIP等资源受限场景；验证深度滤波在低延迟下的优势，推动语音增强技术在实时系统中的应用。