固定ビームフォーミングは、ノイズ統計の推定に依存せず、比較的安定した性能を提供するため、実際に広く使用されています。しかし、単一のビームフォーマーは変動する音響条件に適応できず、干渉抑制能力が制限されます。そのため、複数の固定ビームフォーマーの出力を線形に結合する適応凸結合（ACC）アルゴリズムが導入されましたが、高速移動する干渉などの非常に非定常な状況では、適応的な更新が迅速な変化を追跡できず、よく機能しません。この制限を克服するために、本研究では、複数の歪みのない差動ビームフォーマーのためのフレームオンライン神経融合フレームワークを提案します。このフレームワークは、結合重みを神経ネットワークを通じて推定し、従来のACCと比較して動的な音響環境により効果的に適応し、より強力な干渉抑制を実現します。