用于音频均衡的参量IIR滤波器深度优化
音频与语音处理
2021-10-06 v1 声音
摘要
本文描述了一种用于自动音频均衡的IIR参量滤波器设计的新型深度学习方法。提出了一种名为BiasNet的简洁有效神经架构来确定IIR均衡器参数。采用输出反归一化技术以精确调谐IIR滤波器的中心频率、品质因数与增益。所提方法涉及的所有层均为可微的，允许通过反向传播优化网络权重，并在若干训练迭代后达到最优输出。参数基于被测与期望幅频响应之间的谱距离损失函数以及用于实现声学场景空间化的正则化项进行优化。实验评估考虑了两个具有不同特征的场景：一个房间与一辆汽车座舱。所提方法的性能优于基线技术，并实现了近乎平坦的频带。此外，相对于FIR滤波器，IIR滤波器在运行时的计算成本始终更低。
引用
@article{arxiv.2110.02077,
title = {Deep Optimization of Parametric IIR Filters for Audio Equalization},
author = {Giovanni Pepe and Leonardo Gabrielli and Stefano Squartini and Carlo Tripodi and Nicolò Strozzi},
journal= {arXiv preprint arXiv:2110.02077},
year = {2021}
}
备注
submitted to IEEE/ACM TASLP on 12 May 2021