摘要 传统方法通常使用时频掩码（TF mask）对含噪频谱图进行点乘处理，而复数值掩码（CM）因其能修正相位而优于时值掩码。近期很多研究提出使用复数值滤波器代替掩码点乘操作，通过利用频带内局部时间相关性，整合过去和未来时间步的信息。 这篇论文提出了DeepFilterNet，是一种基于深度滤波的两阶段语音增强框架。第一阶段利用ERB（等效矩形带宽）缩放的增益增强语音的频谱包络，模拟人耳听觉的频率感知特性；第二阶段通过深度滤波增强语音的周期性成分，除了利用语音的感知特性外，还通过可分离卷积和线性层/循环层中的分组策略…
信号模型 假设输入信号为： 【待本周末更新】 大家可以临时先看：飞书链接：https://qouwscohey.feishu.cn/docx/EeDSdR09Bo9QuWx04RIcHNBfnke 密码可以关注我的公众号“小奥的学习笔记”（也可以扫右侧的码）关注后，回复“GKF”或者“gkf”即可获得密码。
参考视频：https://space.bilibili.com/230105574/ 阅读原文请访问：https://qouwscohey.feishu.cn/docs/doccnAtfHvdvbQZzj5YfXWX8Etd 第一节：递归算法 不确定性：①不存在完美的数学模型；②系统的扰动不可控，也很难建模；③测量传感器存在误差。 我们可以发现，随着k增大，1/k趋近于0，那么xk->xk-1。也就是说，随着k增加，测量结果不再重要。而k越小，1/k越大，zk的作用越大。 如果我们把1/k用一个参数Kk来代替…
计算参考信号和采集信号的时延：GetDelay() AEC3中的时延估计算法是使用计算滤波器能量最大块来作为延迟估计值，它是当滤波器收敛到一定程度时，计算所有滤波器系数的能量，取峰值的系数（tap）对应的delay就是对齐需要的delay。它是由步长为0.7的5个时域的NLMS滤波器组成，每个滤波器默认为32个块，每个块有16个样点，总计有32*16=512个样点，5个滤波器理论上共有512*5=2560个点，但实际上5个滤波器在时域上互相重叠8块（即输入的信号在时间上存在重叠），所以实际上5个滤波器可以估计256…
整体框图 参考信号：送往时延估计、AEC的状态计算 采集信号：送往时延估计、线性滤波器、AEC的状态计算 线性滤波器使用时延对齐后的参考信号和采集信号进行处理；线性滤波器处理后的结果送往NLP模块，最终得到处理结果。 类调用关系图 EchoCanceller3（入口） AnalyzeRender 该部分只是将AudioBuffer类型的参考信号insert到render_transfer_queue_，这是一个swapqueue，数据从结尾insert，从开头remove，这里没有什么可以说的【当然insert之前…
取消大小周了，周末有了更多的时间来自己学习。给自己立个flag，两周内把fullaec.m里面的线性滤波器、NLP等部分弄懂，发博客；再2~3周的时间看webrtc的AEC3的代码，同样发博客整理；然后再2~3周的时间看一下speex里面的AEC算法。 本次继续更新非线性处理部分。在学习过程中，参考了《实时语音处理实践指南》相关内容和网上有关博客的内容，在此对相关作者表示感谢。 非线性处理部分 计算完hnled，接下来开始计算ovrd。 hnlLocalMin是对hnlPrefAvgLow的最小值跟踪，其初始值为1…
取消大小周了，周末有了更多的时间来自己学习。给自己立个flag，两周内把fullaec.m里面的线性滤波器、NLP等部分弄懂，发博客；再2~3周的时间看webrtc的AEC3的代码，同样发博客整理；然后再2~3周的时间看一下speex里面的AEC算法。 本次更新非线性处理部分。在学习过程中，参考了《实时语音处理实践指南》相关内容和网上有关博客的内容，在此对相关作者表示感谢。 非线性处理 非线性处理的主要思想： WebRTC是利用信号之间的频域相干性c（0<=c<=1）来衡量误差信号中残留回声的大小的。首…
最近评论
davidcheung 发布于 5 个月前（02月09日）
tk88 发布于 5 个月前（02月07日）
cuicui 发布于 8 个月前（10月20日）
niming 发布于 9 个月前（09月19日）
davidcheung 发布于 2 年前（08月16日）
Nolan 发布于 2 年前（07月25日）
davidcheung 发布于 3 年前（06月19日）
aobai 发布于 3 年前（03月13日）
匿名 发布于 5 年前（12月30日）
小奥 发布于 5 年前（12月12日）