摘要
语音增强旨在提升嘈杂环境下的语音质量与可懂度。近年来，研究重点集中于深度神经网络，尤其是采用两阶段（Two-Stage, TS）架构以增强特征提取能力。然而，这些模型的复杂度与参数规模仍然较大，限制了其在资源受限场景中的应用。面向边缘设备设计高效模型面临诸多挑战：过于轻量化的网络结构常因损失函数空间分布不均而遭遇性能瓶颈；此外，诸如Transformer或Mamba等先进算子在实际部署中往往缺乏卷积神经网络（CNN）所具备的实用性与计算效率。为应对上述问题，本文提出一种创新的超轻量级语音增强网络——Dense-TSNet。该方法引入了一种新型的密集两阶段（Dense Two-Stage, Dense-TS）架构，相较于经典两阶段结构，能够在训练后期更稳健地优化目标函数，从而有效缓解基线模型的过早收敛问题，显著提升最终性能。同时，我们提出多视角凝视模块（Multi-View Gaze Block, MVGB），通过融合全局、通道与局部三个视角的特征表达，利用卷积神经网络实现更高效的特征提取。此外，本文还深入探讨了不同损失函数对感知质量的影响。实验结果表明，Dense-TSNet在仅约14K参数规模下展现出优异的性能，具有极强的轻量化优势，特别适用于资源受限环境下的边缘部署。