基于混沌信息的语音带宽扩展：CIS-BWE
声音
2026-05-18 v3 人工智能
音频与语音处理
摘要
在受带宽限制的情况下恢复高频分量对于 telecommunications 至高保真音频以及资源受限的应用至关重要。我们引入了 NDSI-BWE，一个新的对抗性带宽扩展（BWE）框架，利用四个受非线性动力学系统启发的判别器来捕捉多样化的时序行为：Multi-Resolution Lyapunov 判别器（MRLD）用于确定对初始条件敏感性，通过捕捉确定性混沌；Multi-Scale Recurrence 判别器（MS-RD）用于自相似 recurrence 动力学；Multi-Scale Detrended Fractal 分析判别器（MSDFA）用于长范围慢变尺度不变关系；Multi-Resolution Poincaré 图判别器（MR-PPD）用于捕捉隐藏的潜在空间关系；Multi-Period 判别器（MPD）用于周期性模式；Multi-Resolution 振幅判别器（MRAD）和 Multi-Resolution 相位判别器（MRPD）用于捕捉复杂的振幅-相位转移统计特性。通过在卷积块的核心使用深度卷积，NDSI-BWE 实现了参数降低八倍。这些七个判别器指导一个基于 complex-valued ConformerNeXt 的生成器，采用双流 Lattice-Net 架构同时细化幅度和相位。生成器利用基于 transformer 的 conformer 的全局依赖建模和 ConvNeXt 块的局部时序建模能力。在六项客观评估指标和由五位人类评审员组成的主观评估文本中，NDSI-BWE 建立了 BWE 的新 SoTA。
引用
@article{arxiv.2507.15970,
title = {CIS-BWE: Chaos-Informed Speech Bandwidth Extension},
author = {Tarikul Islam Tamiti and Tonmoy Das and Nursadul Mamun and Anomadarshi Barua},
journal= {arXiv preprint arXiv:2507.15970},
year = {2026}
}