回声消除
文章平均质量分 91
ewan_xu
这个作者很懒,什么都没留下…
展开
-
使用卡尔曼滤波器进行回声消除
回声消除的基本原理就是基于自适应滤波器来消除回声,而目前流行的方法基本上都是基于NLMS自适应滤波器算法优化而来,有收敛速度慢、回声消除能力不强、无法快速跟踪回声路径变化等问题。而基于卡尔曼滤波的回声消除,在各方面则要比NLMS算法强得多,能够极大提升回声消除的效果。因此这篇文章简单介绍下怎样使用卡尔曼滤波来进行回声消除。原创 2022-04-03 00:35:28 · 7730 阅读 · 5 评论 -
python实现重叠保留法和重叠相加法分段计算卷积
在音频信号处理中,卷积是很常见的信号处理方式,很明显这种方式需要我们完全知道输入信号$x(t)$才能与$h(t)$计算卷积,实际应用中我们不可能预先获得整个信号,全部输入完之后才开始计算,因为这会造成输出有很大的延时,实际应用中我们往往都是按帧进行音频信号处理,例如每10ms一帧进行处理,然后实时返回处理后的信号,这时候我们就需要根据音频每帧信号,进行分段卷积原创 2021-04-20 22:01:20 · 2633 阅读 · 0 评论 -
python实现LMS、NLMS、RLS、KALMAN等自适应滤波器
由于使用C实现的自适应滤波器往往较为复杂,代码量较大,而python更加适合科学计算,使用python实现仅需几行代码就可以搞定,更加容易理解与方便调试,本文根据这些自适应滤波器的公式,使用简单的几行python代码实现这些自适应滤波器,以方便学习自适应滤波器原理。原创 2021-02-19 19:44:47 · 9091 阅读 · 6 评论 -
WEBRTC AEC3算法原理
延迟估计算法原理AEC3的延迟估计算法与AEC的非线性处理的延迟估计算法思想一致,因为回声能量是呈指数衰减,所以计算滤波器能量最大块作为延迟估计值,但是比AEC的延迟估计算法复杂的多AEC3延迟估计模块由步长为0.7的5个时域NLMS自适应滤波器组成,每个NLMS滤波器默认32块,每块16个sample共 512点,5个滤波器之间互相重叠8块,这里的重叠指的是输入的信号在时间上重叠滤波器的输入信号是经过分频后的0~16kHz低频段信号然后经过4倍下采样相当于采样率为4000kHz的信号,5个nlms原创 2020-07-07 10:26:24 · 15549 阅读 · 43 评论