原创 Analysis of Two-Channel Generalized Sidelobe Canceller (GSC) With Post-Filtering

作者:凌逆戰 地址:https://www.cnblogs.com/LXP-Never/p/12071748.html 題目:帶後置濾波的雙通道廣義旁瓣相消器(GSC)的分析 作者:Israel Cohen, Senior Member

原创 ANC主動降噪理論及Matlab代碼實現

根據系統是否有參考信號傳感器可將ANC系統大致的分爲前饋型和反饋型。 前饋控制是產生次級噪聲之前就通過傳感器測量初級噪聲的頻率以獲取參考信號。 反饋控制不需要測得參考信號就產生次級噪聲進行相消干涉 反饋型ANC系統  反饋型 ANC 系

原创 一些常用的語音特徵提取算法

前言   語言是一種複雜的自然習得的人類運動能力。成人的特點是通過大約100塊肌肉的協調運動,每秒發出14種不同的聲音。說話人識別是指軟件或硬件接收語音信號,識別語音信號中出現的說話人,然後識別說話人的能力。特徵提取是通過將語音波形以相

原创 ASRWGAN: Wasserstein Generative Adversarial Network for Audio Super Resolution

ASEGAN:WGAN音頻超分辨率 這篇文章並不具有權威性,因爲沒有發表,說不定是外國的某個大學的畢業設計,或者課程結束後的作業、或者實驗報告。 CS230: Deep Learning, Spring 2018, Stanford U

原创 聲學回聲消除(Acoustic Echo Cancellation)原理與實現

  回聲就是聲音信號經過一系列反射之後,又聽到了自己講話的聲音,這就是回聲。一些回聲是必要的,比如劇院裏的音樂回聲以及延遲時間較短的房間回聲;而大多數回聲會造成負面影響,比如在有線或者無線通信時重複聽到自己講話的聲音(回想那些年我們開黑

原创 論文翻譯:Speech Super Resolution Generative Adversarial Network

博客作者:凌逆戰 論文地址:https://ieeexplore.ieee.org/document/8682215 博客地址:https://www.cnblogs.com/LXP-Never/p/10874993.html  論文作

原创 車載環境下的噪聲分析

  想要降低汽車噪聲,就要了解汽車室內噪聲環境, 汽車噪聲系統框圖 外部激勵:風噪、路噪以及環境噪聲等激勵噪聲 內部激勵:懸架系統、變速箱系統、發動機等系統在行車時造成的 振動激勵噪聲 車腔噪聲以非線性形式傳導,通常將其傳導方式分爲固

原创 Markdown基本語法

  Markdown是一種純文本格式的標記語言。通過簡單的標記語法,它可以使普通文本內容具有一定的格式,是深受技術人員喜愛的文檔編寫方式,很多著名的網站如github都對markdown有良好的支持。 優點: 因爲是純文本,所以只要支持

原创 回聲消除中的LMS和NLMS算法與MATLAB實現

  自適應濾波是數字信號處理的核心技術之一,在科學和工業上有着廣泛的應用領域。自適應濾波技術應用廣泛,包括回波抵消、自適應均衡、自適應噪聲抵消和自適應波束形成。回聲對消是當今通信系統中普遍存在的現象。聲回波引起的信號干擾會分散用戶的注意

原创 Python實現語音識別和語音合成功能

聲音的本質是震動,震動的本質是位移關於時間的函數,波形文件(.wav)中記錄了不同採樣時刻的位移。這篇文章主要介紹了Python實現語音識別和語音合成,需要的朋友可以參考下 聲音的本質是震動,震動的本質是位移關於時

原创 通過代碼學習RNN,徹底弄懂time_step

文章轉載自凌逆戰的博客園—通過代碼學習RNN,徹底弄懂time_step - 凌逆戰 - 博客園 這篇博客不是一篇講解原理的博客,這篇博客主要講解tnesorlfow的RNN代碼結構,通過代碼來學習RNN,以及講解time_ste

原创 語音信號處理常用度量方法

信噪比(SNR) 有用信號功率與噪聲功率的比(此處功率爲平均功率),也等於幅度比的平方 SNR(dB)=10log⁡10∑n=0N−1s2(n)∑n=0N−1d2(n)=10∗log⁡10(PsignalPnoise)=20∗lo

原创 機器學習——支持向量機(SVM)

支持向量機原理 支持向量機要解決的問題其實就是尋求最優分類邊界。且最大化支持向量間距,用直線或者平面,分隔分隔超平面。 基於核函數的升維變換 通過名爲核函數的特徵變換,增加新的特徵,使得低維度空間中的線性不可分問題變爲高維度空間中的線

原创 Audio Bit Depth Super-Resolution with Neural Networks

原文鏈接:https://github.com/wqi/bdsr/blob/master/docs/paper.pdf Audio Bit Depth Super-Resolution with

原创 機器學習——分類問題

人工分類 特徵1>特徵2 輸出 0 特徵1<特徵2 輸出 1 特徵1特徵2輸出3 1 0 2 5 1 1 8 1 6 4 0 5 2 0 3 5 1 4 7 1 4 -1 0 ... ... ... 6 8 1 5 1 0 案例: i