基于深度神经网络与 $H^\infty$ 采样数据控制理论的人工带宽扩展
音频与语音处理
2021-08-31 v1
摘要
人工带宽扩展被应用于语音信号，以改善其在窄带电话通信中的质量。为此，利用基于采样数据控制理论与深度神经网络（DNN）的新外推过程来恢复语音信号缺失的高频（高频带）分量。 采样数据控制理论有助于设计高频带滤波器，通过最优利用样本间信号来恢复高频信号。语音信号的非平稳（时变）特性迫使使用众多高频带滤波器。因此，我们使用深度神经网络来估计高频带滤波器信息以及针对未见信号的指定窄带信息的增益因子。客观分析在 TIMIT 数据集与 RSR15 数据集上进行。此外，按语音处理中通常需要的那样，分别对浊音语音与清音语音进行客观分析。主观分析在 RSR15 数据集上进行。
引用
@article{arxiv.2108.13326,
title = {Artificial bandwidth extension using deep neural network and $H^\infty$ sampled-data control theory},
author = {Deepika Gupta and Hanumant Singh Shekhawat},
journal= {arXiv preprint arXiv:2108.13326},
year = {2021}
}