WEBRTC
文章平均质量分 79
西岸行者
问君能有几多愁,恰似一只鸡腿进不了口
展开
-
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中的噪声抑制之四:语音噪声概率计算
webrtc中的噪声抑制之四:语音噪声概率计算回顾webrtc的噪声抑制,通过quantile方法初始估计出噪声,然后利用DD方法估算出先验和后验信噪比,然后根据此计算LRT均值特征,同时结合频谱平坦度和频谱差异,计算得出当前帧语音噪声概率,完成最终的噪声估计和维纳滤波。此前就维纳滤波和噪声估计做了学习研究,本文记录对语音噪声概率估计的研究方法。ML-Maximum Likelihood分...原创 2019-06-18 13:57:03 · 2859 阅读 · 0 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