通过采样随机多项式用深度学习直接设计双二阶滤波器级联
信号处理
2022-02-17 v2 机器学习
声音
音频与语音处理
摘要
设计无限冲激响应滤波器以匹配任意幅频响应需要专门技术。修正 Yule-Walker 等方法相对高效,但在匹配高阶响应时可能不够精确。另一方面,迭代优化技术常能实现更优性能,但代价是更长运行时间且对初始条件敏感,需手动调参。在本工作中,我们通过学习从目标幅频响应到滤波器系数空间的直接映射来解决部分上述局限,该神经网络在数百万随机滤波器上训练。我们证明该方法能针对期望响应实现快速且准确的滤波器系数估计。我们研究使用不同随机滤波器族进行训练,发现使用多种滤波器族训练可在估计真实滤波器时实现更好泛化,以头相关传输函数和吉他音箱为案例。我们将方法与包括修正 Yule-Walker 和梯度下降的现有方法比较,表明我们的方法平均上更快且更准。
引用
@article{arxiv.2110.03691,
title = {Direct design of biquad filter cascades with deep learning by sampling random polynomials},
author = {Joseph T. Colonel and Christian J. Steinmetz and Marcus Michelen and Joshua D. Reiss},
journal= {arXiv preprint arXiv:2110.03691},
year = {2022}
}
备注
Accepted to ICASSP 2022