移动声源的快速算法

现代基于神经网络的语音处理系统通常需要具备混响抗性，因此，这类系统的训练需要大量混响数据。在系统训练过程中，更倾向于使用采样静态系统来模拟动态系统，或通过实际记录的数据来补充数据。然而，这无法从根本上解决符合物理法则的运动数据仿真问题。针对语音增强模型在运动场景下训练数据不足的核心问题，本文提出了杨氏运动时空采样重建理论，以实现对运动连续时变混响的高效仿真。该理论突破了传统静态图像源法(ISM)在时变系统中的局限性。通过将移动图像源的脉冲响应分为两个部分：线性时不变调制和离散时变分数延迟，建立符合物理法则的移动声场模型。基于运动位移的带限特性，提出了分层采样策略：对低阶图像采用高采样率以保留细节，对高阶图像采用低采样率以降低计算复杂度。设计了快速合成架构，以实现实时仿真。实验表明，与开源模型相比，本文提出的理论能够更准确地恢复运动场景中的振幅和相位变化，解决了运动声源数据仿真的行业难题，为语音增强模型提供高质量的动态训练数据。