RNNoise

RNNoise中denoise.c的功能说明

从denoise.c的main()中看程序。对于定义的变量不要太刻意的却了解它是干什么的，不论数组还是变量都是为了存数据或者暂存数据。

​ 要点：
1）通过随机函数生成语音增益和噪声增益来模拟不同的SNR，这些增益都是直接应用在时域帧上的。此时的语音信号并没有加上Vorbis window，仅仅是取出480个点。

​2）biquad滤波器设置合适的系数可以去除高频噪音，随机系数可以模拟各种声学场景

​3）vad的值通过信号的的能量大小给出

​4）frame_analysis加窗–>FFT–>计算band能量

​5）compute_frame_features对嘈杂的信号提取特征，具体特征参考Google浏览器RNNoise的特侦提取blog。注意该函数的返回是什么含义？在denoise_demo.c中的rnnoise_process_frame（）函数中会使用到。
6）增益标签的定义在main()函数尾部。输入特征与标签都会写入到stdout这个标准输出流文件内中，通过 > training.f32从映射到training.f32文件中

​7）bin2hdf5.py将training.f32文件转化为h5文件

​8）在数据处理的过程中每一帧的数据是 42输入特征+22增益标签+22对数谱+1vad标签。一共有5000000（自定义的），所以在rnn_training.py中all_data = hf[‘data’] [:]不管列，取出5000000行数据，将其分为2500个样本，每个样本分为2000个序列，每个序列有 44+22+22+1个输入或者特征。

​9）训练出的weights.hdf5文件通过dump_rnn.py写到rnn_data.c文件中。在c环境下应用这些权值，对于测试的数据，固定这些权值，直接过网络输出增益，并在c下应用处理，恢复信号。