Time-scale-modification using the phase vocoder

Florian Hammer

Diplomarbeit (Acrobat Reader), Soundfiles

Der Phasen-Vocoder wird seit mehreren Jahrzehnten als Algorithmus zur Zeitskalenmodifikation verwendet.
Wird ein Klang extrem in der Zeit "gedehnt", klingt er "phasy" bzw. "hallig".Eine Methode zur Verbesserung der Klangqualität ist "phase-locking". Dabei werden
die Phasenbeziehungen rund um ein lokales Maximum im Analyseamplitudenspektrum in die
Berechnung der Synthesephasen übernommen. Für große Skalierungsfaktoren klingt das Ergebnis "starr", wenn phase-locking auf das gesamte Phasenspektrum angewendet wird.

In dieser Arbeit werden die deterministischen und stochastischen Anteile eines Klanges im Frequenzbereich getrennt. Dadurch ist es möglich, nur für die deterministischen Phasen phase-locking zu verwenden und die stochastischen Phasen auf Zufallszahlen zu setzen. Die Detektion der deterministischen Komponente geschieht innerhalb eines Amplitudenspektrums mit verringerter Varianz und basiert auf heuristischen Bedingungen.
Die Varianz der Schätzung wird dadurch verringert, dass das aktuelle Amplitudenspektrum, das Spektrum ca. 11 ms danach und das Spektrum mit reduzierter Varianz ca. 11 ms davor, gewichtet werden. In diesem gewichteten Spektrum werden die spektralen Maxima gesucht. Durch die Reduktion der Varianz der Schätzung werden für rauschhafte Signale bessere Resultate bei der Detektion des deterministischen Anteils erreicht.
Für die Resynthese des modifizierten Signals werden die deterministischen Amplituden mit den geglätteten stochastischen Amplituden und die deterministischen Phasen mit den zufälligen Phasen kombiniert.