GTCRN 语音降噪模型学习笔记：ERB、SFE 与 Mask 细节解析

这篇 GTCRN 学习笔记拆解了模型中的 ERB、SFE 和 Mask 三个模块。ERB 将 STFT 的 257 个 bin 转为 129 维特征，前 65 个 bin 保留、后 192 个 bin 映射为 64 个 band，转换矩阵共 24576 个参数且无需训练；SFE 把 3 通道数据扩展为 9 通道以重建相邻频带相关性。模型输出为复数比率掩码 CRM，同时调整幅值与相位。