基于冯·米塞斯分布深度神经网络的幅度谱图相位重建
声音
2018-07-11 v1 音频与语音处理
摘要
本文提出了一种基于深度神经网络（DNN）的从幅度谱图重建相位的方法。在音频信号与语音处理中，幅度谱图常用于处理，而相应的相位谱图基于Griffin-Lim方法从幅度谱图重建。然而，Griffin-Lim方法会在合成语音中引起不自然的伪影。针对该问题，我们引入了冯·米塞斯分布DNN用于相位重建。该DNN是一种具有冯·米塞斯分布生成模型，可建模如相位等周期变量的分布，并且DNN的模型参数基于最大似然准则估计。此外，我们提出了一种用于DNN训练的群延迟损失，以使预测的群延迟接近自然群延迟。实验结果表明：1）训练后的DNN比相位本身能更准确地预测群延迟；2）我们的相位重建方法比传统的Griffin-Lim方法实现了更好的语音质量。
引用
@article{arxiv.1807.03474,
title = {Phase reconstruction from amplitude spectrograms based on von-Mises-distribution deep neural network},
author = {Shinnosuke Takamichi and Yuki Saito and Norihiro Takamune and Daichi Kitamura and Hiroshi Saruwatari},
journal= {arXiv preprint arXiv:1807.03474},
year = {2018}
}
备注
To appear in the Proc. of IWAENC2018