多率神经音频效处理的重抽取滤波器设计

神经网络在音频效应建模中已变得无处不在，尤其是对于吉他放大器和失真踏板。这种模型的一个局限是，其训练数据的采样率在模型权重中被隐式编码，因此在推断时难以调整。最近的工作探索了修改递归神经网络(RNN)架构以近似 sample rate independent 系统的做法，使音频处理能够以不同于原始训练速率的速率进行处理。该方法对于 integer oversampling 效果良好，可减少由 nonlinear 激活函数引起的混叠。对于 small fractional 改变的采样率，可以使用 fractional delay 滤波器来近似 sample rate independence，但在某些情况下，这种方法会完全失败。本文探索了在神经网络的输入和输出处进行 real-time signal 重抽样作为一种替代方案。我们研究了各种重抽取滤波器设计，表明由 half-band IIR 滤波器级联 Kaiser window FIR 滤波器组成的 two-stage 设计可以获得与之前提出的 model adjustment 方法相似或更好的结果，该方法每样本的滤波操作数更少，在典型音频速率下延迟不到1毫秒。此外，我们研究了用于 integer oversampling 的 interpolation 和 decimation 滤波器，表明级联的 half-band IIR 和 FIR 设计可以与 model adjustment 方法结合使用，以减少 various失真效应模型中的混叠。