基于长短期记忆神经网络的参数化吉他电子管放大器实时仿真
信号处理
2018-04-20 v1 神经与进化计算
摘要
众多面向音乐家的音频系统昂贵且笨重。因此，对它们进行建模并以计算机仿真替代可能具有优势。在吉他手领域，音频系统可能具有期望的非线性行为（失真效果）。因而难以找到简单的模型来实时仿真它们。Volterra 级数模型及其子类是建模非线性系统的常用方法。遗憾的是，这些系统难以用解析方式辨识。本文中，我们提议利用神经网络的新进展来实时仿真它们。我们表明，在来自电子管放大器的信号与神经网络输出之间，以小于 1% 的均方根误差可达到精确仿真。此外，研究已扩展至对放大器的增益参数进行建模。
引用
@article{arxiv.1804.07145,
title = {Real Time Emulation of Parametric Guitar Tube Amplifier With Long Short Term Memory Neural Network},
author = {Thomas Schmitz and Jean-Jacques Embrechts},
journal= {arXiv preprint arXiv:1804.07145},
year = {2018}
}