具有基於神經網路的音訊瞬態/穩態分離和多頻段壓縮器之虛擬低音系統
摘要:
移動多媒體電子設備的尺寸和厚度減小，嚴格限制了可配置揚聲器的尺寸。
因此，很容易犧牲播放的音質，尤其是低音。在本系統中，我們提出了一種基於神經網路的虛擬低音增強系統來解決這個問題。
此外，虛擬低音增強 中產生的額外諧波可能會導致算術溢出而發生削波失真。因此，我們在系統 末端添加了一個多頻段壓縮器，以減少由於虛擬低音增強而導致的削波。
虛擬低音增強可以分為兩種主要的方法，一種是非線性元件(Non-linear Device, NLD)，另一種則是相位聲碼器(Phase Vocoder, PV)。
NLD通過非線性設備(如乘法迴圈)直接在時域中產生諧波來實現虛擬低音;而PV首先將訊號 轉換至頻域，並使用頻譜偏移產生更高的諧波。
相比之下，由於其設計特性，NLD更適合使用於鼓和打擊樂等瞬態訊號(transient signal)，而PV更適合人聲等靜態訊號(stationary signal)。
因此，我們首先使用神經網路將輸入音訊訊號分成瞬態和穩態分量，並分別對它們應用虛擬低音增強的方法。我們使用這些技術提出了一個完整的虛擬低音增強系統。
最後，通過與其他虛擬低音系統相比的主觀聆聽測試，可以看到我們的虛擬低音系統具有更高的低音感知和更低的失真。
圖一:混合式虛擬低音系統架構圖
架構設計:
本文提出了一種混合式虛擬低音增強系統，該系統將神經網絡引入於傳統的虛擬低音增強任務中。
利用神經網絡的準確度將輸入訊號分為瞬態和穩態分量，並根據其特點採用非線性元件(NLD)與相位聲碼器(PV)兩種不同的虛擬低音增強方法。
並且我們注意到虛擬低音增強任務中很容易出現由於算術溢出而導致的削波失真問題，這在虛擬低音系統研究中很少被提及。
為了解決這項問題，我們採用了針對不同頻段使用不同的壓縮比率之多頻段壓縮器，在不影響虛擬低音增強效果的情況下，減少了由於增強帶來的失真。
最後，通過實驗證明多頻段壓縮器可以顯著減少削波失真的問題，並且在使用主觀聽力測試驗證了本文提出的虛擬低音系統效果，結果顯示其明顯優於其他方法，且可以在保持音頻質量的同時產生更有影響力的低音感知。
(a)訊號經過虛擬低音增強後之訊號, (b)因為算術溢出而導致的削波失真情況
Made
by 周軒宇