基于非平稳 Gabor 变换的 SELEBI 鼓点感知时间拉伸
音频与语音处理
2026-02-19 v1 声音
摘要
相位声道法是音频信号时间尺度修改的常用技术，但常规实现会产生“鼓点模糊” artifacts，这一已知问题显著降低鼓点成分的音质。我们认为该 artifact 源于在相位和幅度声谱图之间存在根本的时间尺度失配。为此，我们提出了 SELEBI—a 一种信号自适应相位声道算法，显著降低鼓点模糊，同时保持稳定性和完美重建特性。不同于依赖启发式处理或分量分离的常规方法，本方法利用非平稳 Gabor 变换。通过动态调整分析窗口长度，将包含显著能量的区间分配给短窗口，以直接从时域信号计算时局部化的幅度声谱图。该方法确保了幅度和相位的时间结构更一致。此外，非平稳 Gabor 变换的完美重建特性保证了稳定的高保真信号合成，与以前的启发式方法不同。实验结果表明，所提方法有效缓解了鼓点模糊，呈现自然的音质。
关键词
引用
@article{arxiv.2602.16421,
title = {SELEBI: Percussion-aware Time Stretching via Selective Magnitude Spectrogram Compression by Nonstationary Gabor Transform},
author = {Natsuki Akaishi and Nicki Holighaus and Kohei Yatabe},
journal= {arXiv preprint arXiv:2602.16421},
year = {2026}
}
备注
This work has been submitted to the IEEE for possible publication