维纳滤波
文章平均质量分 90
西岸行者
问君能有几多愁,恰似一只鸡腿进不了口
展开
-
对比IMCRA来研究一下Cohen的TBRR跟踪方法
对比IMCRA来研究一下Cohen的TBRR跟踪方法前言MCRA1vs2-信噪比门限得出的语音存在概率IMCRA vs TBRR-的语音存在概率计算:IMCRA的语音不存在算法TBRR的语音存在概率后记参考文献前言科恩大神的巅峰之作MCRA是菜鸟容易看懂的一个算法,但不妨碍它成为经典噪声跟踪的天花板,他再接再厉提出了Improved版本和TBRR版本的MCRA,罗爱洲也在专著中改进了一版号称MCRA-2。但这么多烟花缭乱的改进本质上改的是啥呢?答案是语音存在概率!MCRA1vs2-信噪比门限得出的原创 2021-10-21 14:53:27 · 1902 阅读 · 0 评论 -
频域噪声模型估计的话音增强方法
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。原创 2021-04-07 17:34:34 · 998 阅读 · 1 评论 -
webrtc中的噪声抑制之一:频域维纳滤波
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...原创 2019-05-30 15:11:11 · 6283 阅读 · 6 评论 -
webrtc中的噪声抑制之二:噪声估计QBNE
webrtc中的噪声抑制之二:噪声估计模型前言上一篇学习研究了频域维纳滤波的基本原理,得出两个信噪比计算是实现精准的噪声抑制的前提,那么本篇继续学习研究噪声估计是如何在WebRtc实现的,以及据此而得出的先验信噪比和后验信噪比。噪声估计使用维纳滤波进行语音降噪的过程,其实是把降噪过程视为一个线性时不变系统,当带噪语音通过这个系统时,在均方误差最小化准则下,使得系统的输出与期望的纯净语音信号...原创 2019-06-12 17:08:25 · 4263 阅读 · 2 评论 -
webrtc中的噪声抑制之三:基于信号存在概率的递归平均噪声估计
webrtc中的噪声抑制之三:基于信号存在概率的递归平均噪声估计承上启下上文学习了webrtc中利用当前帧经过STFT得到频率幅值,结合quantile算法,先进行一轮初始噪声估计,但这还没完,接下来利用这个估计的噪声和频率幅值带入到ComputeSnr中,计算先验信噪比和后验信噪比,1.先验信噪比估计值是通过前一帧保存的幅值(未去噪)和最终的噪声估计值,在乘以一个平滑因子得到的,平滑因子是...原创 2019-06-13 18:18:04 · 1756 阅读 · 1 评论 -
WebRtc AEC核心算法之一:频域自适应滤波
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...原创 2019-06-26 10:30:25 · 4500 阅读 · 1 评论 -
WebRtc AEC核心算法之二:Partitioned block频域自适应滤波
WebRtc AEC核心算法之二:Partitioned block频域自适应滤波本篇在上一章的基础之上,继续分析滤波器的特点。回声的延时和滤波器的抽头我们不妨先想想回声延时的问题。为了简化分析,只考虑个人终端的两种普遍情况,一种是从speaker直接反馈到mic,一种是经过反射物在折返给mic(免提情况会采集到明显的回声)。第一种回声可以忽略路径损耗,只关心设备硬件和软件的群延时,第二种...翻译 2019-06-27 18:17:18 · 3625 阅读 · 0 评论