基于投影的 STFT 相位恢复灵活在线框架

在迭代 STFT 相位恢复领域，若干近期研究已表明经典 Griffin-Lim 方法的性能可被显著改进。通过使用与 Griffin-Lim 相同的投影算子，但以创新方式组合，这些方法在重建质量与所需迭代次数上均取得更好结果，同时保持每迭代相近的计算复杂度。然而，如同 Griffin-Lim，这些算法以离线方式运行，因而需要整张谱图作为输入，这对许多真实语音通信应用是不现实的 requirement。我们提议将 RTISI——一种已有的 Griffin-Lim 算法在线（逐帧）变体——扩展为一个灵活框架，使任何基于迭代投影的算法均可直接在线实现。我们进一步利用该框架实现了快速 Griffin-Lim 算法、加速 Griffin-Lim 算法及来自光学领域的两种算法的在线变体。对语音信号的评估结果显示，与离线情形类似，这些算法相比 RTISI 可取得可观性能增益。