基于交替方向乘子法的梅尔频谱图逆变换

从梅尔频谱图重建信号被称为梅尔频谱图逆变换，具有包括语音和拟音合成在内的许多应用。在本文中，我们提出了一种基于严格优化算法的梅尔频谱图逆变换方法。为了通过逆短时傅里叶变换（STFT）重建时域信号，需要从给定的梅尔频谱图中预测全频带 STFT 幅度和相位。它们的联合估计通过防止误差累积，优于级联的全频带幅度预测和相位重建。然而，现有的联合估计方法需要多次迭代，且在性能提升方面仍有空间。我们提出了一种基于交替方向乘子法（ADMM）的联合估计方法，该方法受到其在包括相位重建在内的各种非凸优化问题中成功应用的启发。通过利用变量间的条件独立性，推导出了每个变量的高效更新。我们的实验证明了所提方法在语音和拟音上的有效性。