golfbears的博客

温习数字信号处理中滤波器设计的点滴

用C语言积分的资料收集C语言积分Trapezoidal RuleSimpson's Rule参考文档C语言积分标准C语言的积分好像很难，至少收集资料前是这么想的，当收集完资料，看到各位前辈的介绍，又重拾信心，梳理记录一下，以备后用吧。翻了翻参考文献，打底利用数值计算的方法都是利用微积分的思维，小图像累加求和来做的。实用的算法分为梯形算法（Trapezoidal Rule）和辛普森算法（Simpson’s Rule），那么区别和性能呢？本文的图形都来自文献IntegrationTrapezoidal

一窥数字傅里叶变换矩阵前言DFT vs IDFT matrics酉矩阵特性矩阵DFT运算矩阵的值长什么样操练总结参考前言DFT技术虽然很神奇，但总觉得是个黑洞，摸不着头脑，今天研究一下DFT matrix，能更加清楚的了解一些内核的东西。DFT vs IDFT matrics这是一个N*N方阵，矩阵的基本元素由W=e−j2π/NW=e^{-j2\pi/N}W=e−j2π/N来构成，每个位置元素aij=W(i−1)∗(j−1)=e−j2π(i−1)(j−1)/Na_{ij}=W^{(i-1)*(j-1

采样率变换和多速率filter一级目录二级目录参考文档一级目录二级目录参考文档1.从“零”开始学习一下DCT2.The Filter Bank Summation (FBS) Interpretation of the Short Time Fourier Transform (STFT) 3.Multirate Filter Banks from CCRMA...

FxLMS Filter学习笔记前言循序渐进的了解主动降噪主动降噪的核心算法FxLMS Filter参考文档前言当前耳机中的主动降噪技术中，有FxLMS的一席之地，本文根据参考文档整理学习笔记，理解一下主动降噪和FxLMS技术。循序渐进的了解主动降噪在【7】的文章中，贴出了索尼公司耳机为主动降噪设计的双mic结构，下图引用一下：很容易理解为了主动降噪，在耳机的外层利用mic采集环境噪音，作为自适应滤波的参考信号，帮助完成降噪的目的，那为什么在喇叭附近也放置一个mic呢？它的目的是什么？其实如图中

ANC 与 adaptive filter前言 NC/NS/NR都是降噪二级目录参考文献前言 NC/NS/NR都是降噪cancellation、suppression和reduction都是降低noise的影响，ANC的概念从adaptive noise cancellation变成active noise cancellation，本质上却也都离不开adaptive filter的理论。引用【3】文的框图，典型的LMS自适应滤波如下：图中上半部为典型的anc自适应降噪模型，第二个叫做ALE自适应线

这两个搭配好像这个是经典算法的集大成者。首先回忆一下MMSE-LSA的经典公式如下Ak^=ξk1+ξkexp{12∫vk∞e−ttdt}Rk\begin{aligned}\hat{A_k}&=\frac{{\xi_k}}{1+\xi_k}exp \Big \{ \frac{1}{2}\int_{v_k}^{\infty}\frac{e^{-t}}{t} {\rm d}t\Big \}R_k\end{aligned}Ak​^​​=1+ξk​ξk​​exp{21​∫vk​∞​te−t​dt}

阅读理解：Yariv.E的MMSE方法致敬Yariv.Ephraim，重温MMSE都是MMSE，Yariv的和Wiener的有何不同MMSE-Minimum Mean-square ErrorMMSE-STSA EstimatorMMSE-LSA Estimator参考文献致敬Yariv.Ephraim，重温MMSEYariv.Ephraim翻译成中文应该叫亚力夫.伊弗雷姆，毕业于海法的以色列工业大学，博士论文的核心就是MMSE，即谱减法、维纳滤波的基础上，为频域降噪算法奠定了另一个发展领域，翻越他的研

传统的噪声谱密度估计理论并没有随着神经网络的出现而衰退，因为经典的算法模型大大降低了运算速度，而将比较难搞的（估算）参数交给神经网络后，模型实现起来更简单实惠，所以有必要对此做一个回顾学习。

现代数学（物理化学生物学等）方法离不开拉丁（罗马）字母和希腊字母。但是拉丁字母（英文）只有26个，希腊字母只有24个，远远不够用，所以数学家们发明了各种字母的变种（X战警字母）来表达他们与众不同的领域，我上大学那会儿互联网不是很发达，各位数学老师的手写体真的是眼花缭乱，而今白LateX工具所赐，可以回顾一下这些变种字母是怎么被数学家玩坏的了。也为了以后遇到数学字母到这里来查询对照，省的一时雾水。

“汝果欲学诗，工夫在诗外”，这两句诗来形容对DCT的学习最贴切不过了，应为这个技术从DTFT技术衍生出来，具体实现又大量借鉴了FFT的蝶形运算，所以想搞懂DCT，先要拾起久违的傅里叶频率分析理论。

CORDIC-NO MULTIPLY trigonometric and hyperbolic implementationreference二级目录三级目录reference三角函数计算，Cordic 算法入门CORDIC in C and Javascript Software Implementation of Trigonometric Functions Using CORDIC AlgorithmSimple C source for CORDIC An Introduction t

从数字滤波器的角度看音乐的EQ均衡器喜欢听音乐的朋友很多会选择音效到自己喜欢的风格，无论流行、摇滚、舞曲、古典、柔和、爵士、金属、重低音等，其实都是均衡器EQ的不同设置所产生的，当然你也可以自己手工的调解各个频率的增益，达到自己喜欢的状态。下图就是一个数字均衡器的典型调整界面。那么从数字滤波器的角度，音效中的EQ均衡器就是滤波器，确切地说是一组滤波器，将音乐文件的各个频段做了处理，有的频率被增...

WebRtc AEC核心算法之一：频域自适应滤波WebRtc和Speex作为目前开源的语音增强平台，可以给非科班出身的工程师一探究竟的途径，接下来以WebRtc的Aec模块，研究一下比较核心的算法和实现。一直以来在心目中AEC就是利用自适应滤波器求解梯度的迭代过程，时域的LMS/RLS经典算法在教科书和主流文章中都有介绍，但频域的介绍的就不多了，恰恰两个流行的平台都选用了频域自适应滤波器，首先是...

webrtc中的噪声抑制之一：频域维纳滤波前言在开源的噪声抑制算法中,webrtc ns是很有名的,社区里也有很多分享的文章,但要么深要么浅,还有一些误导读者的,所以趁着移植项目的机会,从盲人摸象到庖丁解牛的学习一番这里面的算法原理和工程实现。WebRtc Ns模块采用的是频域维纳滤波的方法，结合VAD检测得到前验信噪比和后验信噪比，算出频域维纳滤波器的系数，在频域实现了噪声的滤除。该模块有...

本章基于上一节的高通滤波器来继续给出一个通用的灵活的高通IIR

一阶滤波器虽好，但是只能压一头，如果需要带通/带阻/peaking/notch一类的IIR滤波器，多需要高阶来帮忙了，本文先介绍一下peaking 滤波器的基本概念，peaking 滤波器是audio音频的parametric equalizer的基本单元，了解了它，我们就是可以一窥神奇和parametric equalizer了

通过一个最简单一阶低通高通数字滤波器的设计，从低通滤波器原型推导出具体的滤波器系数，并且用频域分析的方法给出幅值和相位的频域响应