基于延迟嵌入空间潜矩阵模型的音频修复软平滑方法
音频与语音处理
2022-03-21 v1 机器学习
声音
信号处理
摘要
本文提出一种平滑时间序列信号的新重建方法。本研究的关键概念并非在信号空间建模，而是在延迟嵌入空间中建模。换言之，我们将时间序列信号间接表示为某矩阵的逆延迟嵌入输出，并对该矩阵施加约束。基于逆延迟嵌入下的模型，我们提出将矩阵约束为具有平滑因子向量的秩1矩阵。所提模型与卷积模型及二次变分（QV）正则化密切相关。特别地，所提方法可表征为QV正则化的推广。此外，我们表明所提方法提供比QV正则化更软的平滑性。我们进行了音频修复与去削波实验，以展示其相较于若干现有插值方法与稀疏建模的优势。
引用
@article{arxiv.2203.09746,
title = {Soft Smoothness for Audio Inpainting Using a Latent Matrix Model in Delay-embedded Space},
author = {Tatsuya Yokota},
journal= {arXiv preprint arXiv:2203.09746},
year = {2022}
}