利用线性预测方法精炼基于深度学习的共振峰追踪器
音频与语音处理
2023-08-21 v1 人工智能
机器学习
声音
信号处理
摘要
本研究通过使用以模型驱动方式由基于线性预测（LP）的方法估计的共振峰，对已有数据驱动追踪器 DeepFormants 追踪到的共振峰进行精炼，从而研究共振峰追踪。作为基于 LP 的共振峰估计方法，采用了传统的协方差分析（LP-COV）和近期提出的准闭相前后向（QCP-FB）分析。在所提出的精炼方法中，首先由数据驱动的 DeepFormants 追踪器预测三个最低共振峰的轮廓，然后逐帧用基于模型的 LP 方法所示局部谱峰替换预测的共振峰。该精炼过程可插入 DeepFormants 追踪器，无需任何新数据学习。使用流行的声道共振（VTR）语料库，将两个精炼的 DeepFormants 追踪器与原始 DeepFormants 及五种已知传统追踪器进行比较。结果表明，数据驱动的 DeepFormants 追踪器优于传统追踪器，且利用 QCP-FB 分析精炼 DeepFormants 预测的共振峰获得了最佳性能。此外，通过对被加性噪声污染的 VTR 语音进行共振峰追踪，研究表明精炼的 DeepFormants 追踪器比参考追踪器对噪声更具鲁棒性。总体而言，这些结果表明，传统上用于共振峰估计的基于 LP 的模型驱动方法，可与现代数据驱动追踪器轻松结合而无需进一步训练，以提升追踪器性能。
引用
@article{arxiv.2308.09051,
title = {Refining a Deep Learning-based Formant Tracker using Linear Prediction Methods},
author = {Paavo Alku and Sudarsana Reddy Kadiri and Dhananjaya Gowda},
journal= {arXiv preprint arXiv:2308.09051},
year = {2023}
}
备注
Computer Speech and Language, Vol. 81, Article 101515, June 2023