用于相位重建与语音增强的显式一致性保持损失函数
音频与语音处理
2024-09-25 v1 声音
摘要
在本工作中，我们提出了一种新颖的一致性保持损失函数，用于在相位重建(PR)和语音增强(SE)的背景下恢复相位信息。与使用深度模型直接估计相位的传统技术不同，我们的思想是利用特定约束直接生成一致的幅度与相位对。具体而言，所提出的损失函数迫使一组复数成为一致的短时傅里叶变换(STFT)表示，即成为真实信号的频谱图。因此，我们的方法避免了估计原始相位的困难，因为原始相位高度非结构化且对时间平移敏感。我们首先在PR任务上评估了所提出损失函数的影响，实验表明我们的方法是可行的。接下来，我们在SE任务上使用VB-DMD和WSJ0-CHiME3数据集展示了其有效性。在VB-DMD上，我们的方法与现有解决方案具有竞争力。在具有挑战性的WSJ0-CHiME3数据集上，所提出的框架优于那些显式估计相位的技术。
引用
@article{arxiv.2409.16282,
title = {An Explicit Consistency-Preserving Loss Function for Phase Reconstruction and Speech Enhancement},
author = {Pin-Jui Ku and Chun-Wei Ho and Hao Yen and Sabato Marco Siniscalchi and Chin-Hui Lee},
journal= {arXiv preprint arXiv:2409.16282},
year = {2024}
}
备注
5 pages, Submitted to ICASSP 2025