[论文解读] A Perceptually Motivated Filter Bank with Perfect Reconstruction for Audio Signal Processing

Thibaud Necciari, Nicki Holighaus+2 more|arXiv (Cornell University)|Jan 25, 2016

Speech and Audio Processing参考文献 27被引用 4

一句话总结

本文提出了一种感知动机的滤波器组（AUDlet），通过在感知频率尺度（如ERB、Bark、Mel）的频域直接设计滤波器，实现了完美重构，支持均匀或非均匀的滤波器组配置，并可调节冗余度。对于冗余度≥3的情况，通过解析方法实现完美重构；对于较低冗余度的情况，则通过迭代方法实现，其重构精度和对子带处理的鲁棒性优于梅尔倒谱倒谱滤波器组（gammatone filter bank）。

ABSTRACT

Many audio applications rely on filter banks (FBs) to analyze, process, and re-synthesize sounds. To approximate the auditory frequency resolution in the signal chain, some applications rely on perceptually motivated FBs, the gammatone FB being a popular example. However, most perceptually motivated FBs only allow partial signal reconstruction at high redundancies and/or do not have good resistance to sub-channel processing. This paper introduces an oversampled perceptually motivated FB enabling perfect reconstruction, efficient FB design, and adaptable redundancy. The filters are directly constructed in the frequency domain and linearly distributed on a perceptual frequency scale (e.g. ERB, Bark, or Mel scale). The proposed design allows for various filter shapes, uniform or non-uniform FB setting, and large down-sampling factors. For redundancies $\geq$ 3 perfect reconstruction is achieved by computing the canonical dual FB analytically. For lower redundancies perfect reconstruction is achieved using an iterative method. Experiments show performance improvements of the proposed approach when compared to the gammatone FB in terms of reconstruction error and resistance to sub-channel processing, especially at low redundancies.

研究动机与目标

• 解决现有感知动机滤波器组（如gammatone滤波器组）在完美重构和混叠抑制方面表现不佳的问题。
• 设计一种匹配人类听觉频率分辨率的滤波器组，同时实现稳定且可逆的信号处理。
• 提供一个灵活的框架，支持均匀与非均匀滤波器组配置，并具备较大的下采样因子。
• 在广泛冗余度范围内（包括低冗余度，低至~1.1）实现完美重构。
• 相比标准gammatone滤波器组，提升对子带处理失真抵抗能力，降低重构误差。

提出的方法

• 滤波器直接在频域构建，并在线性分布的感知频率尺度（如ERB、Bark或Mel）上进行设计。
• 滤波器组采用框架理论方法，利用框架算子的对偶框架确保完美重构。
• 对于冗余度≥3的情况，通过频域框架算子解析计算规范对偶滤波器组。
• 对于冗余度<3的情况，采用带对角预条件的共轭梯度迭代方法求解重构问题。
• 通过合理的滤波器设计与框架边界控制，确保BIBO稳定性与有效的混叠抑制。
• 系统支持可变的下采样因子与非均匀的滤波器分布，实现灵活的时频分辨率。

实验结果

研究问题

• RQ1 感知动机滤波器组能否在保持听觉频率分辨率的同时实现完美重构？
• RQ2 如何在包括低冗余度在内的广泛冗余度范围内高效实现完美重构？
• RQ3 与gammatone滤波器组相比，所提出的滤波器组在重构误差和子带处理鲁棒性方面表现如何？
• RQ4 使用感知频率尺度（ERB、Bark、Mel）对滤波器组性能与设计效率有何影响？
• RQ5 基于框架理论的方法能否在无需均匀下采样或高冗余度的前提下，实现稳定且高效的重构？

主要发现

• 所提出的AUDlet滤波器组通过规范对偶滤波器组的解析计算，在冗余度≥3时实现了完美重构。
• 对于冗余度低至~1.1的情况，通过带对角预条件的共轭梯度迭代方法实现了完美重构。
• AUDlet滤波器组的重构误差显著低于gammatone滤波器组，尤其在低冗余度情况下表现更优。
• 由于更优的混叠抑制与稳定的框架边界，AUDlet对子带处理失真表现出更强的抵抗能力。
• 该方法可高效设计具有大下采样因子的非均匀滤波器组，支持灵活的时频分辨率。
• 性能提升在低冗余度场景中最为显著，此时gammatone滤波器组表现出高重构误差与不稳定性。