DNN Filter Bank Cepstral Coefficients for Spoofing Detection
Beijing University of Posts and Telecommunications(北京邮电大学);Aalborg University(奥尔堡大学)
随着语音合成技术的发展,自动说话人确认系统面临着欺骗攻击的严峻挑战。为了提高说话人确认系统的可靠性,提出了一种基于倒谱特征的滤波器组--深度神经网络滤波器组倒谱系数(DNN-FBCC),用于区分自然语音和虚假语音。深度神经网络滤波器组通过使用自然语音和合成语音训练滤波器组神经网络(FBNN)来自动生成。通过对训练规则的限制,FBNN的学习权矩阵是带限的,并按频率排序,类似于正常的滤波器组。与人工设计的滤波器组不同,学习的滤波器组在不同的通道中具有不同的滤波器形状,可以更有效地捕捉自然语音和合成语音之间的差异。在ASVspoof {2015}数据库上的实验结果表明,基于新特征训练的高斯混合模型最大似然(GMM-ML)分类器在检测未知攻击方面优于基于线性倒谱系数(LFCC)的分类器。
2017-02-13 cs.CR cs.LG cs.SD
Modified Mel Filter Bank to Compute MFCC of Subsampled Speech
Tata Consultancy Services(塔塔咨询服务公司)
梅尔倒谱系数(MFCC)是语音和说话人识别应用中最常用的语音特征。在这项工作中,我们提出了一种改进的梅尔滤波器组提取MFCC的子采样语音。我们还提出了一个更强的度量,有效地捕捉原始语音的MFCC和重采样语音的MFCC之间的相关性。实验结果表明,所提出的滤波器组构造方法具有良好的识别性能,对重采样语音的识别性能接近于对原始语音的识别精度。
2014-10-25 cs.CL cs.SD
Non-iterative Filter Bank Phase (Re)Construction
Acoustics Research Institute, Austrian Academy of Sciences(奥地利科学院声学研究所)
从仅有幅度的测量中重构信号是信号处理中的一个长期存在的问题。在这方面的贡献,我们提出了一个相位(重建)的滤波器组的建设方法与均匀抽取和控制频率变化。建议的程序扩展了最近推出的相位梯度堆积分,并依赖于从高斯滤波器获得的滤波器组系数的相位-幅度关系。可容许滤波器组被建模为某些广义不变系统的离散化,我们推导出显式的相位-幅度关系。离散信号的实现进行了说明,并在一系列的真实和合成信号的算法的性能进行了评估。
2022-02-15 cs.MS cs.SD eess.AS
Optimized Sharing of Coefficients in Parallel Filter Banks
Bilkent University(比尔肯特大学);Meteksan Defense Inc.(梅特克桑防务公司)
滤波器是大多数信号处理应用中最基本和最重要的模块。在许多应用中,一组并行滤波器被用作滤波器组。并行滤波器组自然需要更多的计算。特别是在片上应用中,资源是有限的,并在许多算法之间共享。为此,提出了许多过滤器优化方案以减少过滤操作所需的资源数量。在这项工作中,提出了一种新的优化算法,以减少在一组并行滤波器的操作的数量。滤波器系数在两阶段过程中被分组,这使得能够在不同滤波器之间增加系数共享。该算法能够减少寄存器,查找表和DSP 48的数量高达50%的常规并行滤波器组,而不需要增加采样率。
2019-07-11 cs.SD eess.AS eess.IV
ISAC: An Invertible and Stable Auditory Filter Bank with Customizable Kernels for ML Integration
Interdisciplinary Transformation University Austria (IT:U)(interdisciplinary Transformation University Austria);Acoustics Research Institute, Austrian Academy of Sciences(声学研究所,奥地利科学院);University of Applied Sciences St. Pölten(应用科学大学圣波尔滕)
提出可逆稳定、感知启发的 ISAC 滤波器组,支持听觉尺度频率配置、可定制与可学习卷积核及完美重建,可作为通用音频前端集成于机器学习。
2025-05-12 cs.LG cs.SD
Investigating the Potential of Pseudo Quadrature Mirror Filter-Banks in Music Source Separation Tasks
Fraunhofer-IDMT(弗劳恩霍夫数字媒体技术研究所);Technical University of Ilmenau(伊尔梅瑙工业大学)
从单声道混合估计音频和音乐信号通常(如果不总是)涉及将混合信号变换到其中发生掩蔽操作的时间-频率(T-F)域。掩蔽被实现为混合信号的T-F表示与计算的源的频谱图的比率的逐元素乘法。研究表明,整个源估计方案的性能取决于给定T-F表示的稀疏性和不相交性。在这项工作中,我们调查的潜力,优化的伪正交镜像滤波器组(PQMF),作为一个T-F表示的音乐声源分离任务。实验结果表明,PQMF保持了上述理想的属性,可以被视为一种替代表示混合的音乐信号。
2017-06-15 cs.SD
An adaptive filter bank based neural network approach for time delay estimation and speech enhancement
针对声学回声消除中时延估计误差导致残留回声的问题,提出基于自适应滤波器组与分类网络的时延估计方法,结合神经网络、OMLSA算法及鲁棒AGC方案实现语音增强,性能更优。
2025-02-10 cs.SD eess.AS
A Perceptually Motivated Filter Bank with Perfect Reconstruction for Audio Signal Processing
许多音频应用依赖滤波器组(FB)来分析、处理和重新合成声音。为了近似信号链中的听觉频率分辨率,一些应用依赖于感知激励的FB,伽玛音FB是一个流行的例子。然而,大多数感知激励的FB仅允许以高冗余度进行部分信号重构和/或不具有良好的对子通道处理的抵抗力。本文介绍了一种过采样的感知动机FB,使完美的重建,高效的FB设计,自适应冗余。滤波器直接在频域中构造,并且在感知频率尺度(例如ERB、Bark或Mel尺度)上线性分布。所提出的设计允许各种滤波器形状、均匀或非均匀FB设置以及大的下采样因子。对于冗余$\geq$ 3,通过解析地计算规范对偶FB来实现完美重建。对于较低的冗余度,使用迭代法实现完美的重建。实验结果表明,所提出的方法相比,在重建误差和抵抗子通道处理,特别是在低冗余度的伽马FB的性能改善。
2016-01-25 cs.SD
Audio Bank: A High-Level Acoustic Signal Representation for Audio Event Recognition
Seoul National University(首尔大学)
本文提出计算高效的高层音频表示 Audio Bank,结合非负矩阵分解降维,在多种分类器上取得高识别性能。
2023-04-11 cs.IR cs.SD eess.AS
Choice of Mel Filter Bank in Computing MFCC of a Resampled Speech
Tata Consultancy Services(塔塔咨询服务公司)
梅尔倒谱系数(MFCC)是语音和说话人识别应用中最常用的语音特征。在本文中,我们研究了恢复语音信号对这些语音特征的影响。我们首先推导出重采样语音的MFCC参数与原始语音的MFCC参数之间的关系。本文提出了六种通过变换用于计算原始语音MFCC的Mel滤波器组来计算下采样语音的MFCC参数的方法。然后,我们实验计算下采样语音的MFCC参数使用所提出的方法,并计算下采样语音的MFCC参数和原始语音的MFCC参数之间的Pearson系数,以确定最有效的Mel滤波器频带的选择,使计算的重采样语音的MFCC尽可能接近原始语音样本MFCC。
2014-10-25 cs.CL cs.SD
Exploring spectro-temporal features in end-to-end convolutional neural networks
University of Toronto(多伦多大学);Vector Institute(向量研究所)
三角形重叠梅尔缩放滤波器(“f组”)是用于利用其输入的时间-频率几何形状的声学模型的当前标准输入,因为它们为语音信号提供心理声学激励的时间-频率几何形状。F-银行的系数是可证明的规模小变形的鲁棒性。在本文中,我们探讨了两种方法,其中滤波器组可以调整为目的的语音识别。首先,三角形滤波器可以用Gabor滤波器(一种更好地定位时间事件的compatible支持的滤波器)或Gammatone滤波器(一种心理声学驱动的滤波器)来代替。其次,通过重新安排计算滤波器组特征的操作顺序,可以在较小的时间尺度上对特征进行积分,同时提供更好的频率分辨率。我们通过开源存储库在线提供所有功能实现。使用现代端到端CNN电话识别器的初始实验由于任何一种修改都没有产生电话出错率的显著改善。结果,其后果与学习滤波器组,进行了讨论。
2019-01-01 cs.CL cs.LG cs.SD
Nonnegative OPLS for Supervised Design of Filter Banks: Application to Image and Audio Feature Extraction
Universidad Rey Juan Carlos(胡安·卡洛斯国王大学);Universidad Politécnica de Madrid(马德里理工大学);Universidad Carlos III de Madrid(马德里卡洛斯三世大学)
音频或视频数据分析任务通常必须处理高维和非负信号。然而,大多数数据分析方法遭受过拟合和数值问题时,数据有几个维度需要降维预处理。此外,关于滤波器如何以及为什么用于音频或视频应用的可解释性是期望的属性,特别是当涉及能量或频谱信号时。在这些情况下,由于这些信号的性质,滤波器权重的非负性是更好地理解其工作的期望属性。由于这两个必要性,我们提出了不同的方法来减少数据的维数,同时保证解决方案的非负性和可解释性。特别是,我们提出了一种广义的方法来设计滤波器组在监督的方式处理非负数据的应用程序,我们探讨了不同的方法来解决所提出的目标函数组成的非负版本的正交归一化偏最小二乘法。我们分析了两个不同的和广泛研究的应用程序:纹理和音乐流派分类与所提出的方法获得的功能的判别力。此外,我们比较了我们的方法实现的滤波器组与其他国家的最先进的方法,专门设计用于特征提取。
2021-12-22 cs.LG cs.SD eess.AS
Enhancing 1-Second 3D SELD Performance with Filter Bank Analysis and SCConv Integration in CST-Former
Southern University of Science and Technology(南方科技大学)
本文针对1秒短时窗口的3D SELD任务,比较Bark、Mel和Gammatone滤波器组,发现Gammatone准确率最高,并通过在CST-Former中引入SCConv模块提升F-score,为低延迟实际部署提供新基线。
2024-10-17 cs.SD eess.AS
Low-latency Monaural Speech Enhancement with Deep Filter-bank Equalizer
University of Chinese Academy of Sciences(中国科学院大学);Institute of Acoustics, Chinese Academy of Sciences(中国科学院声学研究所)
对于诸如数字助听器、透声听力设备和公共广播系统的许多应用,高度期望语音增强算法能够实现良好的性能,同时保持低延迟。为了提高传统低时延语音增强算法的性能,提出了一种深度滤波器组均衡器(FBE)框架,该框架集成了基于深度学习的子带降噪网络和基于深度学习的缩短数字滤波器映射网络。在第一个网络中,使用可控的小帧移位来训练深度学习模型,以满足低延迟需求,即,$\le$ 4 ms,以便获得(复数)子带增益,其可以被视为每帧中的自适应数字滤波器。在第二个网络中,为了减少延迟,这种自适应数字滤波器通过基于深度学习的框架隐式缩短,然后应用于含噪语音,以重建增强的语音,而不使用叠加方法。在WSJ 0-SI 84语料库上的实验结果表明,该算法在PESQ、STOI和降噪量等指标上均优于传统的低延迟语音增强算法,且延迟仅为4 ms.
2022-02-14 cs.SD eess.AS eess.SP
Cascaded all-pass filters with randomized center frequencies and phase polarity for acoustic and speech measurement and data augmentation
Wakayama University(和歌山大学);Waseda University(早稻田大学)
我们介绍了一个新的成员TSP(时间拉伸脉冲)的声学和语音测量基础设施,基于一个简单的全通滤波器和系统的随机化。这种新的基础设施从根本上升级了我们以前的测量程序,它可以同时测量多个属性,包括非线性属性,而无需额外的过滤或后处理。我们的新建议在声学测量中建立了理论上坚实,灵活和可扩展的基础。此外,它的通用性足以为其他领域提供通用的研究工具,如生物信号分析。我们说明使用声学测量和数据增强作为各种潜在应用中的代表性例子。我们开源了MATLAB实现。它包括一个交互式和实时声学工具,MATLAB函数和支持材料。
2021-02-13 cs.SD eess.AS
Comparative Study of Acoustic Echo Cancellation Algorithms for Speech Recognition System in Noisy Environment
RTM Nagpur University(RTM 那格浦尔大学)
传统上,已经部署了自适应滤波器以通过使用诸如归一化最小均方(NLMS)算法之类的算法来估计声学回波响应来实现AEC。近年来,已经提出了几种方法来以各种方式改善AEC的标准NLMS算法的性能。这些包括基于时域、频域、傅立叶变换、小波变换自适应方案、比例方案、比例自适应滤波器、组合方案、基于块的组合、子带自适应滤波、均匀过采样DFT滤波器组、子带过采样DFT滤波器组、Volterra滤波器、可变步长(VSS)算法、数据重用技术、部分更新自适应滤波技术和子带(SAF)方案。这些方法旨在解决回声消除中的问题,包括噪声输入信号的性能、时变回声路径和计算复杂性。与这些方法相反,稀疏自适应算法已经被专门开发用于解决稀疏系统辨识中自适应滤波器的性能。在本文中,我们讨论了一些AEC算法,然后从步长,收敛性和性能方面进行了比较研究。
2022-01-17 cs.SD eess.AS
Joint Acoustic Echo Cancellation and Speech Dereverberation Using Kalman filters
提出了一种短时傅里叶变换域的回声消除和语音去混响联合算法。混响麦克风信号使用自回归(AR)模型来描述。AR系数和麦克风扬声器到麦克风的声学传递函数(ATF)被认为是时变的,并同时使用一阶马尔可夫过程建模。这导致了一种解决方案,其中这些参数可以使用卡尔曼滤波器进行最佳估计。仿真结果表明,该算法在语音质量和回声抑制性能方面均优于传统的AEC和DR算法以及基于半盲声源分离的联合DRAEC算法。
2023-02-09 cs.SD eess.AS
Acoustic echo suppression using a learning-based multi-frame minimum variance distortionless response filter
National Tsing Hua University(台湾清华大学)
声学回声抑制(AES)引起的失真是全双工通信中常见的问题。为了解决失真问题,提出了一种多帧最小方差无失真响应(MFMVDR)滤波技术。本研究从深度学习的角度扩展了用于语音增强问题的带参数估计的MFMVDR滤波器。为了减轻MFMVDR滤波器的数值不稳定性,我们建议直接估计相关矩阵的逆。AES系统的优点在于不需要双端通话检测。在MFMVDR滤波器的输出处,负尺度不变的信号失真比被用作训练网络的损失函数。仿真结果证明了所提出的基于学习的AES系统在双端通话、背景噪声和非线性失真条件下的有效性。
2022-05-07 cs.SD eess.AS
A new Speech Feature Fusion method with cross gate parallel CNN for Speaker Recognition
Nanchang University(南昌大学)
提出了一种基于交叉门并行卷积神经网络(CG-PCNN)的语音特征融合方法用于说话人识别。通过多个Mel滤波器组从说话人语音的每一帧中提取不同频率分辨率的Mel滤波器组特征,其中Mel滤波器组中三角形滤波器的个数不同。由于这几种光纤的频率分辨率不同,所以它们之间存在一定的互补性。CG-PCNN用于从这些MBF中提取深层特征,该特征采用交叉门机制来捕获互补特征,以提高说话人识别系统的性能。然后,将这些深层特征串联起来,得到融合特征,用于说话人识别。实验结果表明,基于该语音特征融合方法的说话人识别系统是有效的,其识别性能略优于现有的说话人识别系统。
2022-11-24 cs.SD eess.AS
Neural Network Augmented Kalman Filter for Robust Acoustic Howling Suppression
Tencent AI Lab(腾讯人工智能实验室)
针对音频通信中的声反馈抑制问题,本文将神经网络模块嵌入卡尔曼滤波器,用于细化参考信号并估计协方差指标,显著提升了动态条件下的抑制性能。
2023-09-27 cs.SD eess.AS eess.SP
Cascaded noise reduction and acoustic echo cancellation based on an extended noise reduction
KU Leuven(鲁汶大学);Department of Electrical Engineering (ESAT)(电气工程系(ESAT))
针对噪声与回声混合干扰,本文提出扩展降噪滤波器级联AEC的结构,使AEC无需建模前置滤波器并获得随扬声器数扩展的降噪自由度。
2024-06-13 cs.SD eess.AS
NeuralKalman: A Learnable Kalman Filter for Acoustic Echo Cancellation
Tencent AI Lab(腾讯AI实验室)
针对声学回声消除中卡尔曼滤波器无法建模非线性和参数调整困难的问题,本文提出NeuralKalman混合方法,用深度神经网络估计非线性信号和状态方程参数,显著提升FDKF性能并超越强基线。
2023-12-26 cs.SD eess.AS
A Modulation Front-End for Music Audio Tagging
Queen Mary University of London(伦敦玛丽女王大学);Centre for Digital Music(数字音乐中心)
卷积神经网络在自动音乐标注任务中得到了广泛的研究。这个问题可以通过使用工程时频特征或原始音频作为输入来解决。作为音色感知的基础,调制滤波器组表示已被积极研究,有可能促进感知显著特征的提取。我们探索端到端的学习前端音频表示学习,ModNet和SincModNet,其中包括一个时间调制处理块。该结构实际上类似于调制滤波器组,其中FIR滤波器中心频率以数据驱动的方式学习。期望的是,感知动机的滤波器组可以提供用于识别音乐特征的有用表示。我们的实验结果提供了一个完全可视化和可解释的前端时间调制分解的原始音频。我们评估了我们的模型对MagnaTagATune数据集上最先进的音乐标记的性能。我们分析了特定标签的性能的影响时,时间-频率带的调制滤波器在一个逐步降低的速率进行二次采样。我们证明,调制滤波提供了有前途的结果,音乐标记和特征表示,而不使用广泛的音乐领域的知识,在这个前端的设计。
2021-05-25 cs.LG cs.SD eess.AS
In-filter Computing For Designing Ultra-light Acoustic Pattern Recognizers
Indian Institute of Science(印度科学理工学院);Washington University in St. Louis(圣路易斯华盛顿大学)
我们提出了一种新的滤波器内计算框架,可用于设计用于智能物联网(IoT)的超轻型声学分类器。不同于传统的声学模式识别器,其中的特征提取和分类是独立设计的,所提出的架构集成的卷积和非线性滤波操作直接到一个支持向量机(SVM)的内核。这种集成的结果是基于模板的SVM,其内存和计算占用(训练和推理)足够轻,可以在基于FPGA的物联网平台上实现。虽然所提出的滤波器内计算框架足够通用,但在本文中,我们使用基于声学特征提取算法的级联非对称谐振器与内毛细胞(CAR-IHC)来证明这一概念。整个系统已优化使用时间复用和并行流水线技术的Xilinx斯巴达7系列现场可编程门阵列(FPGA)。我们表明,该系统仅使用约1.5k个查找表(LUT)和约2.8k个触发器(FF)就可以在基准声音识别任务中实现稳健的分类性能,这比其他方法有显着改进。
2021-09-11 cs.LG cs.NE cs.SD