基于 DSP 启发的深度神经网络建模钢板与弹簧混响
音频与语音处理
2020-04-20 v2 机器学习
声音
信号处理
摘要
钢板与弹簧混响器是机电系统，最初被使用和研究以替代真实房间混响。如今，由于其特殊的声音特性，它们常因审美原因用于音乐制作。这些音频处理器及其感知特性的建模十分困难，因为它们将机械元件与模拟电子器件结合，产生了极其复杂的响应。基于使用稀疏 FIR 滤波器的数字混响器，我们提出了一种信号处理启发的深度学习架构，用于人工混响器的建模。我们探索了深度神经网络学习此类高度非线性机电响应的能力，并对钢板与弹簧混响器进行了建模。为衡量模型性能，我们开展了感知评估实验，并分析了该任务是如何完成的以及模型实际在学习什么。
引用
@article{arxiv.1910.10105,
title = {Modeling plate and spring reverberation using a DSP-informed deep neural network},
author = {Marco A. Martínez Ramírez and Emmanouil Benetos and Joshua D. Reiss},
journal= {arXiv preprint arXiv:1910.10105},
year = {2020}
}
备注
Presented at the IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP), Barcelona, Spain, May 2020. Source code, dataset, audio examples and more detailed diagrams: https://mchijmma.github.io/modeling-plate-spring-reverb/