用傅里叶变换与卷积自编码器实现轻量级语音增强，获赫尔辛基语音挑战赛亚军

A Speech Enhancement Method Using Fast Fourier Transform and Convolutional Autoencoder

• 结合快速傅里叶变换与卷积自编码器进行信号重建
• 在赫尔辛基语音挑战赛2024中取得第二名成绩
• 验证了无需神经网络方法在语音重建中的有效性

本文针对退化测量下的音频信号重建问题提出一种轻量级模型。该模型将离散傅里叶变换与卷积自编码器（FFT-ConvAE）相结合，在2024年赫尔辛基语音挑战赛中获得第二名。实验结果表明，基于此方法的系统在语音信号重建任务中表现优异，同时与其他参赛团队的成果共同证明了无需神经网络的方法在有效语音信号重建方面的潜力。

原文摘要 · Abstract (English)

This paper addresses the reconstruction of audio signals from degraded measurements. We propose a lightweight model that combines the discrete Fourier transform with a Convolutional Autoencoder (FFT-ConvAE), which enabled our team to achieve second place in the Helsinki Speech Challenge 2024. Our results, together with those of other teams, demonstrate the potential of neural-network-free approaches for effective speech signal reconstruction.

Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。