APPLADE：结合 DNN 与稀疏优化的可调即插即用音频去削波方法
音频与语音处理
2022-02-17 v1 声音
信号处理
摘要
本文提出一种兼具稀疏优化与深度学习优势的音频去削波方法。由于基于稀疏性的音频去削波方法建立在约束优化之上，它们具有可调性且在理论上有充分研究。然而，它们总是均匀促进稀疏性而忽略信号的个体特性。基于深度神经网络（DNN）的方法能够学习目标信号的特性并用于音频去削波。但若训练数据存在失配和/或未施加时域约束，它们则表现不佳。在所提方法中，我们在优化算法中使用 DNN。其受称为即插即用（PnP）的思想启发，使我们能够基于数据的学习信息促进稀疏性，同时考虑时域约束。我们的实验证实该方法对训练与测试数据间的失配具有稳定性与鲁棒性。
引用
@article{arxiv.2202.08028,
title = {APPLADE: Adjustable Plug-and-play Audio Declipper Combining DNN with Sparse Optimization},
author = {Tomoro Tanaka and Kohei Yatabe and Masahiro Yasuda and Yasuhiro Oikawa},
journal= {arXiv preprint arXiv:2202.08028},
year = {2022}
}
备注
5 pages, 7 figures, accepted to IEEE Int. Conf. Acoust. Speech Signal Process. (ICASSP), 2022