机器学习课程笔记01

Cocktail party problem

非常多的重叠声，较难听懂每个人的讲话

• 两个人正在讲话
• 麦克风摆放在与两个讲话者的距离不同的地方
  

思路&要求

• 根据麦克风的摆放位置，录下不同版本的对话，但麦克风录音的重叠程度也不同
• 获取每个麦克风的对话录音
  • 写一个cocktail party algorithm
  • 算法需要对录音进行处理
    • 确定有两个音频源
    • 分离出两个声音来源

课程PPT上的代码

[W,s,v] = svd((repmat(sum(x.*x,1), size(x,1),1).*x)*x');

网上大佬的代码

PS.注释是我自己加的，若有不足还望指出

%----读取两个麦克风的音频文件
%----[y,Fs] = audioread(filename) 从名为 filename 的文件中读取数据，
%----并返回样本数据 y 以及该数据的采样率 Fs。
[x1, Fs1] = audioread('E:\sounds\first.wav');
[x2, Fs2] = audioread('E:\sounds\second.wav');
xx = [x1, x2]';
%--------size(X,2),返回矩阵 X 的列数
%--------mean(X,2),返回矩阵 X 各行的均值
%--------repmat(A,m,n)，将矩阵 A 复制 m×n 块
%--------cov(X),返回协方差矩阵;inv(X),返回矩阵 X 的逆矩阵
%--------sqrtm(X),返回矩阵 X 的主要平方根
yy = sqrtm(inv(cov(xx')))*(xx-repmat(mean(xx,2),1,size(xx,2)));
%--------[U,S,V] = svd(A) 执行矩阵 A 的奇异值分解，因此 A = U*S*V'。
[W,s,v] = svd((repmat(sum(yy.*yy,1),size(yy,1),1).*yy)*yy');

%----W是非混合矩阵
a = W*xx; 
subplot(2,2,1); plot(x1); title('mixed audio - mic 1');
subplot(2,2,2); plot(x2); title('mixed audio - mic 2');
subplot(2,2,3); plot(a(1,:), 'g'); title('unmixed wave 1');
subplot(2,2,4); plot(a(2,:),'r'); title('unmixed wave 2');

audiowrite('unmixed1.wav', a(1,:), Fs1);
audiowrite('unmixed2.wav', a(2,:), Fs1);

运行结果