ABSTRACT         这篇论文提出了两阶段的网络，用ECAPA-TDNN作为获取说话人向量的网络，实现了很好的性能。第一个阶段的网络只是单单的估计幅度谱，和带噪的相位结合起来得到粗糙的复数谱，第二阶段，一个附属的网络作为一个后处理模块，进一步去除掉残余的噪声和人为干扰的声音。同时，相位信息也被跟着改变了。整个大网络用了四个损失组合成最终的损失。 INTRODUCTION