基于$\ell_1$最小化与字典学习的音频修复
声音
2022-02-16 v1 音频与语音处理
摘要
音频修复指旨在恢复音频信号中缺失或受损连续样本的信号处理技术。已有工作表明，带适当加权的最小化能够求解音频修复问题，无论在分析模型还是合成模型下。这些模型假设音频信号相对于某冗余字典是稀疏的，并利用该稀疏性进行修复。在稀疏性框架内，我们利用字典学习进一步提升稀疏度，并将其与为音频修复调整的加权最小化相结合，以补偿修复后间隙内的能量损失。我们的实验表明，在信号失真比（SDR）和客观差异等级（ODG）方面，我们的方法优于原始对应方法。
引用
@article{arxiv.2202.07479,
title = {Audio Inpainting via $\ell_1$-Minimization and Dictionary Learning},
author = {Shristi Rajbamshi and Georg Tauböck and Peter Balazs and Nicki Holighaus},
journal= {arXiv preprint arXiv:2202.07479},
year = {2022}
}