信号处理
文章平均质量分 75
白鸟无言
……
展开
-
信号处理 | AR模型与Levinson-Durbin递推
模型形式由高斯白噪声驱动的全极点模型表示如下:e(n)=a0x(n)+a1x(n−1)+⋯+apx(n−p)=∑k=0pakx(n−k)\begin{aligned}e(n)&=a_0x(n)+a_1x(n-1)+\cdots+a_px(n-p)\\&=\sum_{k=0}^pa_kx(n-k)\end{aligned}e(n)=a0x(n)+a1x(n−1)+⋯+apx(n−p)=k=0∑pakx(n−k)其中:e(n)e(n)e(n)为高斯白噪声,噪声方差为原创 2022-01-11 11:18:36 · 1979 阅读 · 2 评论 -
信号处理 | 维纳滤波推导
首先给出互相关函数定义:rsx(m)=E[s(n)x(n−m)]r_{sx}(m)=E[s(n)x(n-m)]rsx(m)=E[s(n)x(n−m)]以及自相关矩阵定义:Rxx(i,j)=E[x(n−i)x(n−j)]R_{xx}(i,j)=E[x(n-i)x(n-j)]Rxx(i,j)=E[x(n−i)x(n−j)]开始推,令信号模型为:s^(n)=h(n)∗(s(n)+v(n))=h(n)∗x(n)=∑i=0Mh(i)x(n−i)\begin{aligned}\hat s(n)原创 2021-12-25 22:01:54 · 1879 阅读 · 0 评论 -
语音信号处理 | Python实现端点检测
由于项目需要,我要使用Python对语音进行端点检测,在之前的博客使用短时能量和谱质心特征进行端点检测中,我使用MATLAB实现了一个语音端点检测算法,下面我将使用Python重新实现这个这个算法,并将其封装到VAD类中,如下是运行结果:软件环境Python3.8、scipy、pyaudio、matplotlib程序matlab程序转换到python还是挺容易的,VAD.py程序如下:#!/usr/bin/python3# -*- coding: utf-8 -*-import numpy原创 2020-10-28 15:45:04 · 4270 阅读 · 14 评论 -
语音信号处理 | 基于卡尔曼滤波的语音增强算法
文章目录1.概述2.卡尔曼滤波原理被估计的信号离散卡尔曼滤波算法参数选择3.基于卡尔曼滤波的语音增强算法语音模型分析参数确定4.程序实现语音数据的导入、加噪与分帧卡尔曼滤波器参数初始化卡尔曼滤波过程结果可视化5.运行结果与结果分析运行结果结果分析1.概述语音增强算法可从信号输入的通道数上分为单通道的语音增强算法与多通道的语音增强算法。单通道语音系统在实际应用中较为常见,如电话,手机等。这种情况下语音与噪声同时存在一个通道中 ,语音信息与噪声信息必须从同一个信号中得出。一般这种语音系统要求噪声比较平稳,以原创 2020-05-09 21:24:17 · 13025 阅读 · 6 评论 -
语音信号处理 | 基于Hilbert-Huang变换的基音检测方法
HHT原理Hiibert Huang变换是由Huang等人于1998年提出来的一种信号分析方法,它主要由两个部分组成:经验模型分解(Empirical Mode Decomposition, EMD)和希尔伯特变换(Hilbert Transform,HT),其中EMD是核心。经验模式分解方法是一种自适应的、高效的数据分解方法。由于这种分解是以局部时间尺度为基础的,因此它适应于非线性、非平稳过...原创 2020-04-02 16:58:47 · 2545 阅读 · 8 评论 -
语音信号处理 | 傅里叶变换、短时傅里叶变换、小波变换、希尔伯特变换、希尔伯特黄变换
在信号处理领域,存在诸多变换,比如标题中的五个变换。本文将对这五个变换进行介绍和比较。在开始之前,我们需要先理清什么是平稳信号,什么是非平稳信号。我们知道,自然界中几乎所有信号都是非平稳信号,比如我们的语音信号就是典型的非平稳信号。那么何谓平稳信号和非平稳信号呢?一个通俗的理解即,平稳信号在不同时间得到的采样值的统计特性(比如期望、方差等)是相同的,非平稳信号则与之相反,其特性会随时间变化。在信号处理中,这个特性通常指频率。通常傅里叶变换只适合处理平稳信号,对于非平稳信号,由于频率特性会随时间变化,为了原创 2020-06-25 21:06:10 · 22428 阅读 · 16 评论 -
语音信号处理 | 使用短时能量和谱质心特征进行端点检测
文章目录概述原理及MATLAB实现基本流程特征提取短时能量谱质心阈值估计和阈值化处理提取语音片段MATLAB2020a中的VAD函数参考概述在复杂的应用环境下,从音频中分割出语音信号和和非语音信号,是一个很重要的环节,因为它不仅可以减少数据以及系统的运行时间,还能够抑制噪声对系统的干扰。端点检测就是判断语音的起点和终点。常用的方法有基于短时能量和过零率的双门限法。本文将介绍一种基于信号短时能量和谱质心的端点检测方法。原理及MATLAB实现基本流程从语音信号中提取短时能量特征和谱质心特征序列(即原创 2020-06-05 11:09:15 · 6052 阅读 · 11 评论