基于渐近稳定循环神经网络的虚拟模拟控制器去噪声
声音
2025-09-22 v1 音频与语音处理
摘要
循环神经网络用于虚拟模拟控制以数字方式复制模拟硬件音频处理器的声音。硬件设备的控制可作为条件输入输送给这些网络。常见的将控制输入直接与音频样本静态拼接以实现控制条件化的方法，会在时间变动的条件下产生音频伪影。本文推导了渐近稳定型循环神经网络的约束条件，证明其渐近稳定性可消除在零输入与时间变动条件下的模型输出中的音频伪影。此外，我们的结果表明，渐近稳定性在其他音频神经网络架构（如卷积网络与状态空间模型）中亦可能提供消除条件引起伪影的通用解决方案。
引用
@article{arxiv.2509.15622,
title = {De-crackling Virtual Analog Controls with Asymptotically Stable Recurrent Neural Networks},
author = {Valtteri Kallinen and Lauri Juvela},
journal= {arXiv preprint arXiv:2509.15622},
year = {2025}
}