基于全频带幅度与相位双层一致性的从梅尔谱图信号重建
声音
2023-07-25 v1 音频与语音处理
信号处理
摘要
我们提出了一种基于优化的方法，用于从梅尔谱图等低维谱表示重建时域信号。相位重建旨在从全频带短时傅里叶变换（STFT）幅度重建时域信号，已有相关研究。Griffin-Lim 算法（GLA）因仅依赖 STFT 的冗余性且适用于多种音频信号而被广泛使用。本文中，我们通过考虑时域信号、其 STFT 系数与其梅尔谱图之间的双层关系，联合重建全频带幅度与相位。所提方法被构建为一个严格的优化问题，并基于 GLA 所用准则估计全频带幅度。我们的实验证明了该方法在语音、音乐与环境信号上的有效性。
引用
@article{arxiv.2307.12232,
title = {Signal Reconstruction from Mel-spectrogram Based on Bi-level Consistency of Full-band Magnitude and Phase},
author = {Yoshiki Masuyama and Natsuki Ueno and Nobutaka Ono},
journal= {arXiv preprint arXiv:2307.12232},
year = {2023}
}
备注
Accepted to IEEE WASPAA 2023