用于相位响应估计与自动信号对齐的可微全通滤波器
声音
2023-06-05 v2 音频与语音处理
摘要
虚拟模拟音频效果日益基于神经网络和深度学习框架。由于底层的黑盒方法，成功的模型会学习近似其接收到的数据，包括潜在错误（如延迟和音频丢失）以及硬件产生的非线性特性和频率相关相移。后者尤为值得关注，因为学习到的相位响应在将该效果用于干湿混合或并行压缩等创意处理技术时，可能会引起不希望的听觉伪影。为了克服这些伪影，我们提出了可微信号处理工具和深度优化结构，用于自动调整全通滤波器以预测不同虚拟模拟仿真的相位响应，并对齐相位不一致的已处理信号。我们使用客观指标评估了这些方法，同时通过听音测试评估了它们提升并行路径处理技术质量的能力。最终，针对所考虑的优化问题，我们提出了一个基于 BiasNet 的过参数化全通模型，所得模型能够估计全通滤波器系数，从而将干信号与其受影响后的湿等效信号对齐。
引用
@article{arxiv.2306.00860,
title = {Differentiable Allpass Filters for Phase Response Estimation and Automatic Signal Alignment},
author = {Anders R. Bargum and Stefania Serafin and Cumhur Erkut and Julian D. Parker},
journal= {arXiv preprint arXiv:2306.00860},
year = {2023}
}
备注
Collaboration done while interning/employed at Native Instruments. Accepted for publication in Proc. DAFX'23, Copenhagen, Denmark, September 2023. Sound examples at https://abargum.github.io v2: 10 pages, LaTeX; figures resized, pdf optimized