LipsAM：面向音频信号处理的 Lipschitz 连续�幅修改器及其在即插即用语音去混响中的应用
声音
2026-03-24 v1 机器学习
摘要
深度神经网络 (DNN) 的鲁棒性可以通过其 Lipschitz 连续性进行认证，这使得构建 Lipschitz 连续的 DNN 成为一个活跃的研究领域。然而，由于其与现有结果的差异，音频处理领域的 DNN 并未成为主要研究焦点。本文我们考虑�幅修改器 (AM) 这一流行的音频信号处理架构，并提出其 Lipschitz 连续变体，我们称之为 LipsAM。我们证明了 AM 具备 Lipschitz 连续性的充分条件，并提出两种作为 LipsAM 示例的网络结构。所提出的网络结构被应用于语音去混响的即插即用算法中，通过数值实验展示了其改进的稳定性。
引用
@article{arxiv.2603.21684,
title = {LipsAM: Lipschitz-Continuous Amplitude Modifier for Audio Signal Processing and its Application to Plug-and-Play Dereverberation},
author = {Kazuki Matsumoto and Ren Uchida and Kohei Yatabe},
journal= {arXiv preprint arXiv:2603.21684},
year = {2026}
}
备注
Accepted for IEEE ICASSP 2026