Deconvolución acústica basada en filtros adaptativos y redes neuronales regresivas.

Abstract

En este trabajo se implementaron diferentes redes neuronales y se compararon contra varios filtros adaptativos con el objetivo de eliminar efectos de convolución de un cuarto no tratado acústicamente. Ambos algoritmos se pusieron a prueba con un set de señales de audio de diferente grado de complejidad, tanto señales determinísticas como clips musicales. En la primera parte se implementaron los filtros adaptativos LMS estándar, LMS normalizado y RLS estándar. En la segunda parte se probaron las redes TDNN y Focused Gamma, cada una con las funciones de activación sigmoide, tanh y sinusoidal. Dichas arquitecturas fueron entrenadas con backpropagation. Se encontró que el mejor de los filtros fue el RLS estándar. En cuanto a las redes neuronales, estas lograron disminuir en cierto grado el ruido pero no lograron la fidelidad en audio del filtro antes mencionado.