清除障碍：AI增强的RF干扰抑制

arXiv:2608.24974v1 公告类型：新 摘要：基于AI的结构化干扰抑制已日益流行，因为深度学习方法能够通过联合考虑感兴趣信号（SOI）和信号混合（SOI加干扰）来优于传统方法。这项工作在先前的AI增强方法基础上，该方法利用自回归Transformer模型，通过添加有限标量量化（FSQ）分词器层，旨在提高干扰抑制性能，同时将整体延迟降至最低。此外，我们实验了其他推理优化技术，目标是在不损失太多准确性的情况下加速推理。我们通过一项实验探索这一领域，其中SOI是数字调制的射频（RF）信号，结构化干扰是数字电视信号，这是一种极其常见的正交频分复用（OFDM）传输类型。我们的结果实现了低延迟和更高的干扰抑制，优于传统技术和其他AI增强方法的先前工作。我们通过音频指标（如语音质量感知评估（PESQ））展示了AI增强方法的好处。此外，我们探索了多种应用，并详细说明了我们的干扰抑制算法如何在实际操作相关的场景中使用。