如何消除 librosa griffin lim 引入的失真？

Posted 2023-03-12

【中文标题】如何消除 librosa griffin lim 引入的失真？

【英文标题】：How can I remove distortion introduced by librosa griffin lim?

【发布时间】：2020-07-11 04:55:42

【问题描述】：

我在做：

import librosa


D = librosa.stft(samples, n_fft=nperseg, 
                 hop_length=overlap, win_length=nperseg,
                 window=scipy.signal.windows.hamming)

spect, _ = librosa.magphase(D)

audio_signal = librosa.griffinlim(spect, n_iter=1024, 
                                  win_length=nperseg, hop_length=overlap, 
                                  window=signal.windows.hamming)
print(audio_signal, audio_signal.shape)
sf.write('test.wav', audio_signal, sample_rate)

它会在重建的音频信号中引入明显的失真。我可以做些什么来改善它？

【问题讨论】：

你有原始相位信息吗？在这种情况下，最好使用用 GriffinLim 重建的那个（即使你已经修改了幅度）

我只有幅度

我对这个问题的细节不是很熟悉，但这里有一些建议：试试smoothing，使用更小的window_length，也许更大的hop_length，我会说50%是好...考虑先进的语音增强技术。您也可以在 Librosa 的 GitHub 页面上发布相关内容，开发人员可能会提供帮助，因为他们可能更熟悉此类问题。

timsainburg.com/noise-reduction-python.html

@Shamoon 这是否为您的问题提供了任何线索？ ieeexplore.ieee.org/document/8521304

【参考方案1】：

您需要使用居中的窗口函数，以便窗口信号为零相位， 即它在窗口中间完全对称。 在这种情况下，您可以使用 hann 窗口，它是具有非零端点的升余弦窗口。

D = librosa.stft(samples, n_fft=nperseg, 
                 hop_length=overlap, win_length=nperseg,
                 window=scipy.signal.windows.hann)

spect, _ = librosa.magphase(D)

audio_signal = librosa.griffinlim(spect, n_iter=1024, 
                                  win_length=nperseg, hop_length=overlap, 
                                  window=signal.windows.hann)
print(audio_signal, audio_signal.shape)
sf.write('test.wav', audio_signal, sample_rate)

【参考方案2】：

您应该使用基于神经网络的声码器（如 WaveNet）进行重建