Week7-1Noisy channel model

The noisy channel model

  • Example:
    • Input: written English(X)
    • Encoder: garble the input(X->Y)
    • Output: spoken English(Y)
  • More examples:
    • Grammatical english to english with mistakes
    • English to bitmaps(characters)
      P(X,Y)=P(X)P(Y|X)

Encoding and decoding

这里写图片描述

Example

这里写图片描述

A good translation will have both a high score of translation model and a high score of language model.

Uses of noisy channel model

  • Machine translation
  • Handwriting recognition
  • Text generation
  • Spelling correction

这里写图片描述

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
这段代码的主要功能是实现基于自适应噪声估计的语音信号增强。下面逐行解释: - `for n=1: Nframes`: 遍历所有帧。 - `noisy= noisy_speech( n_start: n_start+ N- 1);`:从语音信号中获取当前帧的信号。 - `noisy_autoc= xcorr( noisy, len- 1, 'biased');`:计算当前帧信号的自相关函数。 - `Ry= toeplitz( noisy_autoc( len: 2* len- 1));`:构造一个 Toeplitz 矩阵,用于计算噪声的自相关矩阵。 - `vad_ratio= Ry(1,1)/ Rn(1,1);`:计算信噪比,用于判断当前帧是否为纯噪声。 - `if (vad_ratio<= vad_thre)`:如果当前帧为纯噪声。 - `Rn= mu_vad* Rn+ (1- mu_vad)* Ry;`:更新噪声的自相关矩阵。 - `noise_autoc_sc= Rn( 1, :)';`:取出噪声的自相关矩阵的第一行。 - `noise_autoc= [flipud( noise_autoc_sc( 2: end)); ... noise_autoc_sc];`:将第一行翻转并与原始行连接,得到完整的自相关函数。 - `n_autoc_win= noise_autoc.* bartlett_win;`:将自相关函数加窗。 - `for k= 0: N- 1`: 遍历所有频率点。 - `Phi_w( k+ 1)= n_autoc_win( P: 2P-1)' * 2 ... cos( 2* pi* k* (0: P- 1)'/ N)- n_autoc_win( P);`:计算噪声功率谱密度。其中 `n_autoc_win( P: 2P-1)'` 表示从自相关函数中取出第 `P` 到 `2P-1` 个点,`cos( 2* pi* k* (0: P- 1)'/ N)` 表示计算余弦函数,`- n_autoc_win( P)` 表示减去直流分量。最终得到的是当前帧的噪声功率谱密度。 这段代码主要是实现了一个基于自适应噪声估计的语音信号增强算法,通过对每一帧信号的自相关函数进行处理,得到当前帧的噪声功率谱密度,从而实现对语音信号的去噪。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值