基于局部竞争算法的音频稀疏表示自适应方法
声音
2022-04-08 v1 计算与语言
摘要
gammachirp滤波器组已被用于在全匹配追踪（MP）稀疏编码算法中近似耳蜗。一种有向网格搜索优化被用于调整gammachirp的参数，以改善MP算法的稀疏性以及重构质量。然而，这种在每次迭代中将贪婪算法与网格搜索结合的方式计算量大，不适合实时应用。本文提出了一种在局部竞争算法（LCA）框架下优化gammachirp参数的自适应方法，该算法所需计算量远少于MP。所提方法利用LCA的神经网络架构，通过反向传播算法自动调整gammachirp滤波器组。结果表明，我们的方法在稀疏性、重构质量和收敛时间方面提升了LCA的性能。该方法相比现有方法在实时应用上具有显著优势。
引用
@article{arxiv.2109.14705,
title = {Adaptive Approach For Sparse Representations Using The Locally Competitive Algorithm For Audio},
author = {Soufiyan Bahadi and Jean Rouat and Éric Plourde},
journal= {arXiv preprint arXiv:2109.14705},
year = {2022}
}
备注
To be published at IEEE Machine Learning for Signal Processing 2021