具有谱连续性增强与插值误差补偿的长帧移神经语音相位预测
声音
2023-08-21 v1 音频与语音处理
摘要
语音相位预测是信号处理领域的重要研究焦点，旨在从幅度相关特征恢复语音相位谱。然而，现有语音相位预测方法局限于以短帧移恢复相位谱，其帧移远小于短时傅里叶变换（STFT）精确波形重建所需的理论上界。为解决此问题，我们提出一种新颖的长帧移神经语音相位预测（LFS-NSPP）方法，可从长帧移对数幅度谱精确预测长帧移相位谱。所提方法包含插值、预测与抽取三阶段。首先通过逐频率插值由长帧移对数幅度谱构造短帧移对数幅度谱以增强谱连续性，随后用NSPP模型预测短帧移相位谱，从而补偿插值误差。最终通过逐帧抽取由短帧移相位谱获得长帧移相位谱。实验结果表明，所提LFS-NSPP方法在长帧移相位谱预测上优于原始NSPP模型及其他基于信号处理的相位估计算法。
引用
@article{arxiv.2308.08850,
title = {Long-frame-shift Neural Speech Phase Prediction with Spectral Continuity Enhancement and Interpolation Error Compensation},
author = {Yang Ai and Ye-Xin Lu and Zhen-Hua Ling},
journal= {arXiv preprint arXiv:2308.08850},
year = {2023}
}
备注
Published at IEEE Signal Processing Letters