rnnoise 两篇

深度学习降噪方案-RNNoise源码解析 - 特征提取

https://blog.csdn.net/danteLiujie/article/details/102799038?utm_medium=distribute.wap_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-3.wap_blog_relevant_pic&depth_1-utm_source=distribute.wap_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-3.wap_blog_relevant_pic

https://blog.csdn.net/u012514944/article/details/85338678?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.control&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.control

rnnoise  总共提取了42个输入特征点:
a、针对输⼊入信号bark 22个频带的能量量做dct变换，得到22个BFCC系数。

b、针对22个中的前六个即1.2k 做导数处理，针对 当前及过去三帧处理理为（增加12个特征点）:
6个:An+A(n-1)+A(n-2);
+6个:An -A(n-2);
+6个:An +A(n-2)-2A(n-1)。

c、针对基⾳周期相关性，做dct变换，得到前6组带的系数以及一个基⾳周期的 系数（增加一个特征点）。
d、通过计算过去8帧频带的差异值之和，求得稳定性系数1个（一个特征点）。

特征点的提取主要是考虑：

1、采样BFCC系数，是因为BFCC在降噪方面的效果比MFCC更好。

2、基音周期系数，主要因为噪声会导致基因周期变低，人声中浊音具有明显的周期性，噪声不具有。

rnnoise 具体训练、应用，测试，技术优化，欢迎大家加音频算法讨论群：153268894 （作者 zeark）。