基于生成对抗网络的幅度谱图信号重建方法
信号处理
2018-04-09 v1 机器学习
机器学习
摘要
在本文中，我们解决了仅从幅度谱图重建时域信号（或相位谱图）的问题。由于幅度谱图不包含相位信息，我们必须恢复或推断相位信息以重建时域信号。Griffin和Lim提出了一种广泛用于处理信号重建问题的方法。该方法通常需要多次迭代来完成信号重建过程，并且根据输入的不同，并不总是能产生高质量的音频信号。为了克服这些缺点，我们将基于学习的方法应用于信号重建问题，通过使用深度神经网络对信号重建过程进行建模，并利用生成对抗网络（generative adversarial network, GAN）的思想进行训练。实验评估表明，我们的方法能够比Griffin-Lim方法更快地以更高质量重建信号。
引用
@article{arxiv.1804.02181,
title = {Generative adversarial network-based approach to signal reconstruction from magnitude spectrograms},
author = {Keisuke Oyamada and Hirokazu Kameoka and Takuhiro Kaneko and Kou Tanaka and Nobukatsu Hojo and Hiroyasu Ando},
journal= {arXiv preprint arXiv:1804.02181},
year = {2018}
}