NEUROTOKEN：通过条件流匹配进行联合源与方向AAD及包络解码

arXiv:2610.00397v1 公告类型：新 摘要：在嘈杂房间中识别听者正在关注哪个说话人——即鸡尾酒会问题——是下一代助听器和脑机接口所缺少的关键环节：它能告诉设备应该放大谁的声音。听觉注意解码（AAD）通过EEG读取这一答案，但现有研究彼此割裂：方向性AAD能够判断声源所在侧方，却无法将侧方映射到具体语音流；基于回归的源AAD通过单一Pearson相关系数对候选语音流进行排序，而在实际设备所需的1–5秒时间窗口内，该指标本质上噪声很大；包络重建则没有原生的AAD判定规则。我们认为，正确的研究对象不应是任何单一统计量，而应是给定EEG条件下的受关注包络的条件似然。基于此，我们提出NEUROTOKEN：一个由三个任务头组成的单一网络，共享同一个EEG前端，其中条件流匹配任务头（ATTUNEFLOW）通过积分速度残差似然比对候选对象进行评分。两个推理时集成方法——QUADTRACK（四种互补统计量）和ENV-FLOW（经过z标准化的QUADTRACK+ATTUNEFLOW）——无需额外代价即可吸收各统计量的失效模式。在5秒窗口下，针对KU Leuven、DTU和NJU数据集，ATTUNEFLOW使逐片段源AAD性能较最强的非生成基线提升9%–16%，并将跨受试者方差缩小约3倍；在三个数据集中的两个上，试次级融合准确率超过93%。在平行复现实验中，我们还表明，在严格的试次互斥协议下，经典的95%–97%方向性AAD结果会下降17%–45%，从而厘清真实性能上限，也说明了为何需要基于似然的表述。