复频域线性预测：一种计算语音调制谱的工具
声音
2022-04-04 v2 音频与语音处理
信号处理
摘要
传统的频域线性预测（Frequency Domain Linear Prediction, FDLP）技术以不同程度近似对语音的平方 Hilbert 包络建模，其可按所需帧率采样并用作自动语音识别（Automatic Speech Recognition, ASR）的特征。尽管传统 FDLP 模型的复倒谱先前已被用作紧凑的逐帧语音特征，但其在 Hilbert 包络背景下缺乏可解释性。在本文中，我们提出对传统 FDLP 模型的一种修正，其允许将复倒谱轻松解释为语音信号功率的全极点模型近似中的时间调制。此外，我们的“复”FDLP 在相同近似程度下相比传统 FDLP 取得了显著加速。
引用
@article{arxiv.2203.13216,
title = {Complex Frequency Domain Linear Prediction: A Tool to Compute Modulation Spectrum of Speech},
author = {Samik Sadhu and Hynek Hermansky},
journal= {arXiv preprint arXiv:2203.13216},
year = {2022}
}
备注
Submitted to INTERSPEECH 2022