본 논문은 능동형 소음 제거(ANC) 방법을 넘어 소음과 음성 신호 모두를 효과적으로 제거하는 새로운 능동형 음성 제거(ASC)를 위한 심층 학습 네트워크를 제시합니다. 제안된 Mamba-Masking 아키텍처는 인코딩된 참조 신호와 직접 상호 작용하는 마스킹 메커니즘을 도입하여, 음성에서 일반적으로 발견되는 것처럼 빠르게 변화하는 고주파 조건에서도 적응적이고 정확하게 정렬된 역신호 생성을 가능하게 합니다. 이를 보완하기 위해 다대역 분할 전략을 통해 주파수 대역 간의 위상 정렬을 더욱 향상시킵니다. 또한, 역신호 생성을 위한 거의 최적의 감독 신호를 제공하는 최적화 기반 손실 함수를 도입합니다. 실험 결과는 ANC 시나리오에서 최대 7.2dB, ASC에서 6.2dB의 성능 향상을 달성하여 기존 방법을 크게 능가함을 보여줍니다.
