本文提出了一种多麦克风技术，用于在混合多说话人和方向性噪声的混响环境中提取目标说话者。实验结果表明，瞬时相对传递函数（RTF）方法优于传统的到达方向（DOA）和频谱嵌入方法。

我们通过它的对偶表示 - 传递函数，设计了一种适用于深度学习应用的状态空间模型，并揭示了一种高度有效的序列并行推理算法，该算法是无状态的，与状态大小的增加相比，不会产生任何显著的内存和计算开销。

该文提出了一种新的密度编码方法，通过基于 Fourier 的压缩来适应底层体渲染过程的传递函数特征，从而减少动态模型中的伪影。同时，通过对训练数据的扩充来放松压缩的周期性假设。该方法在合成和真实场景的评估中表现出有效性。