工作也马上9个月了，这九个月以来一直忙忙碌碌，都没有时间反思和思考下自己，总是在做事情，没有沉淀，感觉很不好，正好昨天谈绩效，自己也反思了一下，想总结下自己，为未来几个月自己要重点改进的地方指明方向。 第一点感觉自己还是太飘，就是说流于形式。虽然基本每个月坚持写自己的总结和计划，但是我感觉更像是应付公式，只是简单记录一些东西，没有目标和方向，我感觉这对刚刚入职的我来说很不好。每天回来很累不应该是我的理由，我感觉应该加紧一些，把自己绷紧一些，不要被事情催，而是自己主动去安排事情。 第二点感觉自己还是太有侥幸心理。每个…

什么是gmock？ 一个mock对象实现了与真实对象相同的接口，但是它让您在运行时指定如何使用它以及应该做什么（包括它应该调用什么方法，以什么顺序调用方法，调用多少次，用什么参数，返回什么值等）。 当你使用gmock的时候：首先你要用一些简单的宏描述你希望mock的接口，这些宏将拓展为mock类的实现；其次要创建一些mock对象，并且使用直观的语法指定其期望或者行为；最后编写使用mock对象的代码，gMock将会在出现违反预期的时候立即捕获。 学习第一个gmock测试 写mock类 假设原来有一个类为 那么如何用g…

第一节 回声消除原理 声学回声消除主要用来解决双端通信中回声干扰的问题。如下图所示，A、B两段正在进行远程语音通话，B端语音被麦克风采集后转换成电信号，经过网络传输到达A端，由A端扬声器播放出来，如果在A端没有做AEC处理，那么这个声音就会被A端的麦克风采集传回到B段，从而干扰正常的语音通信。 AEC目前已经形成了以自适应滤波处理联合回声后处理为主的技术方案。其中，自适应滤波器用来模拟和追踪真实的“回声路径”，并由收敛出的“回声路径”（实际为滤波器系数）估算出回声信号，再从近端纯净语音和回声的混合信号中减去估计的回…

第三章 语音端点检测（VAD） WebRTC中集成了基于RNN模型的VAD检测算法，该方法也作为WebRTC新一代AGC算法的一个子模块而存在。 第一节 特征选取 一个好的VAD特征应该具备以下特性： 区分能力：含噪语音和仅含噪声音频的分离度应该尽可能的大。理论上的最好效果是让语音特征和噪声特征没有交集（实际很难，因为会有相似） 噪声鲁棒性：背景噪声会造成语音失真，这会影响提取的特征区分能力。 基于能量的特征：基于能量的方法可以将宽带语音分成各个子带，求各个子带的能量。这是因为语音在2kHz以下频带含有大量的能量，…

本部分知识基于葛世超等人著《实时语音处理实践指南》一书进行整理。第一章 信号处理 第一节 语音基础知识 语音信号是实信号。 语音信号是时变的，每秒约产生10个音节，所以在10~30ms内可以看成是准静态的。 为什么要加窗处理？ 答：对连续的语音分帧做STFT处理，等价于截取一段时间信号，对其进行周期延拓，从而变成无限长序列，然后对该无限长序列做FFT变换，但是这一截断并不符合傅里叶变换的定义，因此会导致频谱泄露和混叠。泄露会导致幅度较小的频点淹没在幅度较大的频点泄漏分量重，而混叠会在分段拼接处引入虚假的峰值，进而不…

西安电子科技大学2020年6月授予博士、硕士学位人员名单公示 经2020年6月17日第十届校学位评定委员会第五次会议审定通过，决定授予张旭等1328人学术硕士学位、袁育婷等1406人硕士专业学位、王俊元等129人博士学位（具体名单见附件）。现将名单予以公示，如有异议，请向研究生院学位办公室提出。 以下附件名单中的全日制研究生已毕业，特此告知。 联系电话：81891129  81891130 附件： 1.授予学术硕士学位人员名单 链接: https://pan.baidu.com/s/1kgHIeDypnC…

在实现维纳滤波器和预测器的时候，需要计算数据的自相关矩阵的逆。但是当数据量比较大的时候，计算矩阵的逆花费的代价比较大，所以需要使用Levinson-Durbin算法来实现系数的求解。 一、数据模型 k阶前项维纳预测器： 对上述模型进行一下调整，可以得到 所以a(0)=1， 。 注意：在Levinson-Durbin算法中，求解的是a(i)，不是w(i)。 二、Levinson-Durbin迭代算法的实现步骤 以下是迭代算法的步骤，其中m是预测器的阶数。 初始值： 其中r(i)是数据的自相关矩阵。