Li Kang 笔记本

线性预测的输出是对激励信号的很好的近似线性预测利用过去的样本估计当前的样本。对于voiced signal，当没有激励信号的时候，误差信号接近零。当有激励信号时，线性预测便无法准确预测当前信号，误差特别大，此时就是激励出现的地方。即除了在每个基音周期（pitch period）起始位置，其他位置的信号都可以被过去的信号来预测。对于unvoiced signal，误差信号幅度会介于voice signal的有激励信号和无激励信号的中间水平。

本文分为两个部分，第一部分AMRNB编码的基本流程，第二部分是AMRWB和AMRNB编码的差异对比，第三部分是EVS中的ACELP编码的对比。

本文分为两个部分，第一部分是基于分析-合成的线性预测编码模型，对模型的误差加权，合成滤波器进行阐述。第二部分增加了长时预测器，分析-合成线性预测编码模型得到了改进。长时预测器又有开环和闭环两种方法，讲完后线性预测语音编码的基础就完成了。第三部分主要解释模型的实现方式，即CELP。

麦克风阵列算法有两大类，一类是波束形成算法，另一类是盲源分离算法，两者互有优劣，先记录波束形成算法的笔记。系列博客先介绍两种常见麦克风阵列结构，然后分别介绍固定波束形成（fixed beamforming, data-independent) 和自适应波束形成（adaptive beamforming, data-dependent）。本篇博客只介绍Broadside和Endfire两种结构，其优缺点和应用场景。..............................

1. 噪声集The QUT-NOISE dataset， Café，Car，Home，Reverb，Street，约12小时数据，其中reverbe_pool可以删除。Environmental Background Noise dataset， Babble，Car，Machinery，约30秒一条，一共253条noise set from the MUSAN corpus 长短不一，各...

麦克风阵列算法有两大类，一类是波束形成算法，另一类是盲源分离算法，两者互有优劣，先记录波束形成算法的笔记。系列博客先介绍两种常见麦克风阵列结构，然后分别介绍固定波束形成（fixed beamforming, data-independent) 和自适应波束形成（adaptive beamforming, data-dependent）。

麦克风阵列算法有两大类，一类是波束形成算法，另一类是盲源分离算法，两者互有优劣。本篇博客先介绍盲源分离的优缺点，盲源分离的基础知识，然后分别介绍盲源分离的常见实现方式。

麦克风阵列算法有两大类，一类是波束形成算法，另一类是盲源分离算法，两者互有优劣，先记录波束形成算法的笔记。本篇博客先说波束形成的优缺点，波束形成的基础知识，然后分别介绍固定波束形成（fixed beamforming, data-independent) 和自适应波束形成（adaptive beamforming, data-dependent）。......

单通道噪声抑制算法主要分为三个部分，噪声估计，信噪比估计，增益计算。这三个部分的重要性依次递减。噪声估计根据统计的观点，认为噪声成分会比语音成分更加的平稳。依此来区分噪声和语音。噪声估计有以下三大类的方法，最小值跟踪，递归平滑，直方图和分位数法。最基础的方法是最小值跟踪，该方法认为在一段时间内，需要包括纯噪声段，各个频点的最小幅值可以认为是该频点在这段时间内的噪声估计。这种观点很容易理解。但是...