基于 DSP 信息的带宽扩展：局部条件化激发与线性时变滤波子网络
音频与语音处理
2024-07-23 v1 声音
信号处理
摘要
本文提出一种双阶段架构用于带宽扩展（BWE），将语音信号的有效采样率从 8 kHz 提升至 48 kHz。不同于现有端到端深度学习模型，我们的方法显式地使用激发阶段和线性时变（LTV）滤波阶段来建模 BWE。激发阶段扩宽输入的频谱，而滤波阶段则根据声学特征预测器的输出对其进行适当的形状调整。为此，声学特征损失项可隐式地促进激发子网络在合成的上频段产生白色频谱。实验结果表明，我们方法提供的额外归纳偏置能够提升基于 SEANet 或 HiFi-GAN 作为激发器的 BWE 结果，并且我们对声学特征预测的处理方式比 HiFi-GAN-2 更有效。我们的工作的二次贡献包括扩展 SEANet 模型以适应局部条件化信息，以及将 HiFi-GAN-2 应用于 BWE 问题。
引用
@article{arxiv.2407.15624,
title = {DSP-informed bandwidth extension using locally-conditioned excitation and linear time-varying filter subnetworks},
author = {Shahan Nercessian and Alexey Lukin and Johannes Imort},
journal= {arXiv preprint arXiv:2407.15624},
year = {2024}
}
备注
5 pages, 3 figures. Accepted to the 18th International Workshop on Acoustic Signal Enhancement (IWAENC 2024)