克服原降噪技术缺陷，采用多频道输入去除杂音技术，利用单一麦克风信号无法获取的麦克风间输入信号差异数据，同时高效去除静态和动态杂音。 基于独立矢量分析的多频道杂音去除技术，可有效提升存在TV/收音机声音以及人与人之间对话等各种杂音的实际生活环境下，语音识别接口的识别性能。
核心算法
独立适量分析(Independent Vector Analysis :IVA)技术使用参考频率成分间依存性的概率分布模型，本着最小化相互共同信息量的学习规则，解决频率成分间顺序颠倒问题，从未知环境杂音中分离出目标语音。
- IE soft - mask :通过IVA的controllability，增加输出信号的reliability，相比原来仅存在interference提取过程，无需target tracking流程，算法更为简单快捷。
- IVA利用多个观测信号，采用分离相同数量独立输出的缄默声源分离算法，测定各输出间相互信息的依存性，利用最小化成本函数方式进行操作。 针对上述成本函数，导出最佳分裂矩阵结果，最大化两输出信号间的统计独立性。 特别是为定义IVA使用的score function，将声源事前概率信息假定为multivariate super-Gaussian distribution，将相同声源信号的频率成分间高层次依存性建模，复原频率域信号时，解决声源顺序混合产生的permutation问题，相比原算法拥有超群分离性能。
