Neural Grey-Box Guitar Amplifier Modelling With Limited Data

Stepan Miklanek*, Alec Wright, Vesa Välimäki, Jiri Schimmel

*Tämän työn vastaava kirjoittaja

Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussaConference article in proceedingsScientificvertaisarvioitu

153 Lataukset (Pure)

Abstrakti

This paper combines recurrent neural networks (RNNs) with the discretised Kirchhoff nodal analysis (DK-method) to create a grey-box guitar amplifier model. Both the objective and subjective results suggest that the proposed model is able to outperform a baseline black-box RNN model in the task of modelling a guitar
amplifier, including realistically recreating the behaviour of the amplifier equaliser circuit, whilst requiring significantly less training data. Furthermore, we adapt the linear part of the DK-method in a deep learning scenario to derive multiple state-space filters simultaneously. We frequency sample the filter transfer functions in parallel and perform frequency domain filtering to considerably reduce the required training times compared to recursive state-space filtering. This study shows that it is a powerful idea to separately model the linear and nonlinear parts of a guitar amplifier using supervised learning.
AlkuperäiskieliEnglanti
OtsikkoProceedings of the 26th International Conference on Digital Audio Effects (DAFx23)
ToimittajatFederico Fontana, Silvin Willemsen
JulkaisupaikkaCopenhagen, Denmark
KustantajaAalborg University
Sivut151-158
Sivumäärä8
TilaJulkaistu - 4 syysk. 2023
OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisussa
TapahtumaInternational Conference on Digital Audio Effects - Aalborg University Copenhagen, Copenhagen, Tanska
Kesto: 4 syysk. 20237 syysk. 2023
Konferenssinumero: 26
https://dafx23.create.aau.dk/

Julkaisusarja

NimiProceedings of the International Conference on Digital Audio Effects
ISSN (elektroninen)2413-6689

Conference

ConferenceInternational Conference on Digital Audio Effects
LyhennettäDAFx
Maa/AlueTanska
KaupunkiCopenhagen
Ajanjakso04/09/202307/09/2023
www-osoite

Sormenjälki

Sukella tutkimusaiheisiin 'Neural Grey-Box Guitar Amplifier Modelling With Limited Data'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

Siteeraa tätä