扬声器振膜位移预测：深度注意力与在线自适应
音频与语音处理
2023-05-12 v1 人工智能
信息论
声音
math.IT
摘要
扬声器保护算法旨在利用回放信号特性防止过位移，同时保持最大响度，这对于配备微型扬声器的手机尤为关键。本文提出高效的深度学习方案，以精确建模并预测非线性位移，这对传统方案颇具挑战。首先，我们搭建实验与预处理流程，采样反馈电流与电压作为输入，并采用激光测量位移作为真值。其次，提出一种 FFTNet 模型以挖掘主导低频及其他未知谐波，并与基线 ConvNet 模型比较。此外，设计 BN 重估计以实现在线自适应；并基于 AI Model efficiency toolkit（AIMET\footnote{AIMET 是高通创新中心的产品}）应用 INT8 量化以进一步降低复杂度。所提算法在两款扬声器与 3 种典型部署场景中验证，且 残差直流小于 0.1 mm，远优于传统方案。
引用
@article{arxiv.2305.06640,
title = {Speaker Diaphragm Excursion Prediction: deep attention and online adaptation},
author = {Yuwei Ren and Matt Zivney and Yin Huang and Eddie Choy and Chirag Patel and Hao Xu},
journal= {arXiv preprint arXiv:2305.06640},
year = {2023}
}
备注
5 pages, 4 figures, ICASSP 2023