ewan_xu-优快云博客

原创多速率信号处理

多速率信号处理，是指对同时存在两个以上数据速率的系统进行信号处理。多速率信号处理原理就是通过改变信号速率，以适应系统内部各个节点对信号速率的要求。这里的速率其实就是指采样率

2024-12-11 21:42:27 1322

原创使用卡尔曼滤波器进行回声消除

回声消除的基本原理就是基于自适应滤波器来消除回声，而目前流行的方法基本上都是基于NLMS自适应滤波器算法优化而来，有收敛速度慢、回声消除能力不强、无法快速跟踪回声路径变化等问题。而基于卡尔曼滤波的回声消除，在各方面则要比NLMS算法强得多，能够极大提升回声消除的效果。因此这篇文章简单介绍下怎样使用卡尔曼滤波来进行回声消除。

2022-04-03 00:35:28 8715 6

DFT有许多基本性质，在这里做一个整理，主要介绍了DFT的如下性质：线性性质、平移性质、翻转性质、实数信号的对称性和奇偶性、卷积和DFT的联系、相关和DFT的联系、帕塞瓦尔定理、缩放性质、上下采样和混叠效应，以及这些性质之间的联系。DFT是数字信号处理的基石，这些性质可以帮助我们更深入的理解数字信号处理。另外，还使用了python对这些性质进行了验证，还给出了使用DFT计算相关，以及上下采样算法。

2021-05-19 19:27:14 12864 1

原创 python实现重叠保留法和重叠相加法分段计算卷积

在音频信号处理中，卷积是很常见的信号处理方式，很明显这种方式需要我们完全知道输入信号$x(t)$才能与$h(t)$计算卷积，实际应用中我们不可能预先获得整个信号，全部输入完之后才开始计算，因为这会造成输出有很大的延时，实际应用中我们往往都是按帧进行音频信号处理，例如每10ms一帧进行处理，然后实时返回处理后的信号，这时候我们就需要根据音频每帧信号，进行分段卷积

2021-04-20 22:01:20 3465 1

原创线性卷积、循环卷积与FFT之间的关系

线性卷积与循环卷积在音频信号处理中，卷积是很常见的信号处理方式，例如fir滤波器，卷积的计算公式也非常简单，对于系统h和输入信号x，卷积的计算公式如下：

2021-04-14 20:34:29 10619 3

原创使用python实现基-2FFT、基-4FFT快速傅里叶变换算法

快速傅立叶变换（FFT）是信号处理和数据分析中最重要的算法之一，很多人只是调用现成的库如FFTW，但为了知其所以然，加深对算法的理解，我们有必要搞懂FFT算法是怎么计算的，这里不讨论傅里叶变换的理论和推导，只讨论实际工程中怎样计算，由于python代码的可读性以及计算的方便性，使用python代码展示FFT计算过程

2021-03-29 19:18:54 4003

原创单声道转换为虚拟立体声音效的算法

一般单声道的音频播放都是将音频拷贝至左右两个声道然后再进行播放，这样播放出来的音频并不是立体声，没有立体声的“空间”和“立体”感如果要实现立体声，则需要在左右两个声道实现强大的去相关性，从而在听觉上引入空间宽度的感觉

2021-03-18 20:52:31 5711 7

原创 python实现LMS、NLMS、RLS、KALMAN等自适应滤波器

由于使用C实现的自适应滤波器往往较为复杂，代码量较大，而python更加适合科学计算，使用python实现仅需几行代码就可以搞定，更加容易理解与方便调试，本文根据这些自适应滤波器的公式，使用简单的几行python代码实现这些自适应滤波器，以方便学习自适应滤波器原理。

2021-02-19 19:44:47 10362 6

原创 WEBRTC AEC3算法原理

延迟估计算法原理AEC3的延迟估计算法与AEC的非线性处理的延迟估计算法思想一致，因为回声能量是呈指数衰减，所以计算滤波器能量最大块作为延迟估计值，但是比AEC的延迟估计算法复杂的多AEC3延迟估计模块由步长为0.7的5个时域NLMS自适应滤波器组成，每个NLMS滤波器默认32块，每块16个sample共 512点，5个滤波器之间互相重叠8块，这里的重叠指的是输入的信号在时间上重叠滤波器的输入信号是经过分频后的0~16kHz低频段信号然后经过4倍下采样相当于采样率为4000kHz的信号，5个nlms

2020-07-07 10:26:24 17739 44

myangel13141的博客