book_bbyuan的博客

最近从 phased.TimeDelayBeamformer 扒了它的代码，简单改造作为最基本的麦克风阵列算法学习refer to https://www.mathworks.com/help/phased/ref/phased.timedelaybeamformer-system-object.html一、延时累加和beamformer可以说是最基本的麦克风阵列算法，方法很简单，就是通过平移每个通道数据到合适的位置，然后累计调整系数即可。但问题是什么？一般采集到的麦克风数据..

语音的常用处理就是分帧，分帧，fft变换，做一些处理，然后反变换回到时域。这里面常用到的就是enframe 和 overlapaddenframe分帧，我想大家都很熟悉了，这里不再介绍，overlapadd具体含义可以看这篇文章https://blog.csdn.net/u010592995/article/details/81001751上面这篇文章介绍的很清楚。一、问题的引入http://www.ee.ic.ac.uk/hp/staff/dmb/voicebox/mdoc/v_m

推荐murphy的工具箱，这篇博客是根据大牛的工具箱使用写一些noteKevin Murphy 现在在Google brain工作，曾在MIT lab工作，他是 Machine Learning: a Probabilistic Perspective 的作者他写的关于机器学习的工具箱非常好，规范，注释也多，可供大家学习https://www.cs.ubc.ca/~murphyk/So...

audacity的 VS2015工程网上已经有了，https://blog.csdn.net/weixin_34224941/article/details/93950373按照这个instructions就可以搭建一个比较稳定的vs2015（vs2017）的版本我这里主要是怀旧，用旧版本的vs2010 搭建一个轻量级的audacity工程供调试使用audacity的编译需要wxWid...

最近简单看了一下kalman滤波，这里先写些笔记卡尔曼滤波说的是“两套系统“得到的计算量或者测量量，一个是根据系统状态预测出来的下一个状态的各种参量，另一个是实际测量值，那么我们怎么在这两套系统中找到更合适的值。说白了，它所谓的这两套系统都是服从高斯分布的，他们的乘也符合高斯分布，根据这两个高斯分布的方差的大小，调整到合适的方差选择F有的地方有人喜欢写成A。B是控制矩阵, x应该加...

Aurora2 语音数据库 经常在学术上被用来作为评测数据库，很多语音识别的base数据库，HTK的训练模型数据库，VAD，基频检测都用Aurora2语音数据库。 Aurora2语音数据库的具体情况可以参考 http://aurora.hsnr.de/aurora-2.html,大致含义是 这个数据库是由 TIDigits 数据库 变换过来的，说白了就是 降采样之后...

前面写过一篇文章，但是感觉对于FFT 的filterbak还是没有说清楚，这边就再次把自己的一些理解说一下1、这里面包含的几个概念uniform，说明就是基础滤波器就一个，其他滤波器是它的一个变体，也就是调制（modulated）出来的，polyphase分解，多相分解，主要目的是同一个多相组里面对应的“延迟“”是一样的，等会我后面会详细揭秘2、FFT干嘛？只为了在analysis...

只分析一维度的一、fftw_plan_dft_1d正变换：fftw_complex *in = fftw_malloc ( sizeof ( fftw_complex ) * n );fftw_complex *out = fftw_malloc ( sizeof ( fftw_complex ) * n );plan_forward = fftw_plan_dft_1d ...

WebRTC VAD用了一些滤波器，这些滤波器的设置还是非常巧妙的，这篇文章分析他们所用滤波器之原理。下面分析的滤波器都是在文件vad_filterbank.c里面 在提取特征的时候，用的是滤波器组用来提取的log域上的能量，其中分band的频带是：（对于8khz采样的音频文件来说）3k-4k feature[5] ， 2k-3k  feature[4] ， 1k-2k  feat...

语音信号中子带处理技术用的较为频繁，涉及到子带技术，不得不说说Filterbank一、最简单的两通道的滤波器组如下图，它有最基本的一些单元，比如分析滤波器，合成滤波器，插值和抽取其中H0，H1可以理解为低通、高通滤波器。我对一段音频进行低高通滤波，然后降采样，升采样，最后合成。他们的频谱关系如下图，滤波器我就不说了，效果很明显，这里有个问题就是为什么降采样？不做行不行。实际上降采样（或者叫抽取）是...

这几天对webrtc中的VAD算法做了一些研究，有了一些心得VAD算法中核心的是使用了GMM进行分类，noise作为一类，speech作为一类，两类求后验概率，并且实时的更新GMM的参数但是这个GMM的具体情况是怎么样的，它的均值，方差，都是多少，使用特征的维度是多少？参数又是怎么更新的 一、GMM的 权重，均值，方差分析频率域上分成了6个子带（channel），对每个子带求能量，初始值有一个GM...

关于GMM模型的资料和 EM 参数估算的资料，网上已经有很多了，今天想谈的是GMM的协方差矩阵的分析、GMM的参数更新方法1、GMM协方差矩阵的物理含义涉及到每个元素，是这样求算：用中文来描述就是，注意后面的那个除以样本数-1，就是大括号外面的E　（这叫无偏估计）上面公式也提到了，协方差本质上是就是很多向量之间的内积，内积是什么？       　　举个例子说明，