基于 Bregman 散度的相位恢复用于音频源分离
声音
2021-02-10 v2 音频与语音处理
摘要
时频音频源分离通常通过估计各源的短时傅里叶变换（STFT）幅度，然后应用相位恢复算法来重建时域信号。特别地，多输入谱逆变换（MISI）算法在近期若干工作中表现出良好性能。该算法最小化幅度谱图之间的二次重构误差。然而，该损失未能恰当考虑音频的某些感知特性，而在许多场景下更偏好 beta 散度等替代性差异度量。在本文中，我们提出将音频源分离中的相位恢复重新表述为涉及 Bregman 散度的最小化问题。为优化所得目标，我们推导了一种投影梯度下降算法。在语音增强任务上进行的实验表明，该方法在多种替代损失下均优于 MISI，这凸显了它们对于音频源分离应用的相关性。
引用
@article{arxiv.2010.10255,
title = {Phase recovery with Bregman divergences for audio source separation},
author = {Paul Magron and Pierre-Hugo Vial and Thomas Oberlin and Cédric Févotte},
journal= {arXiv preprint arXiv:2010.10255},
year = {2021}
}