电气工程与系统科学 > 音频与语音处理
[提交于 2025年8月4日
(v1)
,最后修订 2025年8月17日 (此版本, v2)]
标题: 快速移动声源算法
标题: Fast Algorithm for Moving Sound Source
摘要: 现代基于神经网络的语音处理系统通常需要具有混响抵抗能力,因此此类系统的训练需要大量的混响数据。 在系统训练过程中,现在更倾向于使用采样静态系统来模拟动态系统,或者通过实际记录的数据进行数据补充。 然而,这无法从根本上解决符合物理规律的运动数据模拟问题。 针对运动场景中语音增强模型训练数据不足的核心问题,本文提出了杨氏运动时空采样重建理论,以实现运动连续时变混响的高效模拟。 该理论突破了传统静态图像源法(ISM)在时变系统中的局限性。 通过将运动图像源的脉冲响应分解为两部分:线性时不变调制和离散时变分数延迟,建立了一个符合物理规律的运动声场模型。 基于运动位移的带限特性,提出了一种分层采样策略:对低阶图像使用高采样率以保留细节,对高阶图像使用低采样率以降低计算复杂度。 设计了一种快速合成架构以实现实时模拟。 实验表明,与开源模型相比,所提出的理论可以更准确地恢复运动场景中的幅度和相位变化,解决了运动声源数据模拟的行业问题,并为语音增强模型提供了高质量的动态训练数据。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.