Chinneil的博客

1、归一化的映射失调Normalized Projection Misalignment (NPM)NPM=10log⁡10(∣∣h−βh^∣∣22∣∣h∣∣22)dB\text{NPM} = 10\log_{10}\Big(\frac{||h-\beta \hat h||^2_2}{||h||_2^2}\Big)\quad \text{dB}NPM=10log10​(∣∣h∣∣22​∣∣h−βh^∣∣22​​)dB其中，hhh和h^\hat hh^分别表示真实和估计的冲激响应向量，β\betaβ

首先，k时刻w频点的幅值由语音信号和噪声信号组成，我们的目的是减少噪声那部分的幅值。假设k时刻w频点语音、噪声幅值比例为ηk(w)∈[0,1]\eta_k(w)\in[0,1]ηk​(w)∈[0,1]，干净语音信号为Sk(w)S_k(w)Sk​(w)，噪声信号Nk(w)N_k(w)Nk​(w)，那么，干净语音信号的功率谱为：∑w∑k∣Sk(w)∣2\sum_w \sum_k|S_k(w)|^2∑w​∑k​∣Sk​(w)∣2，语音片段的噪声为∣Sk(w)∣(1−ηk(w))|S_k(w)|(1-\eta_k(

《Phase-Based Dual-Microphone Robust Speech Enhancement》论文下载链接前言这篇论文提到的算法，适用场景以及设备摆放情况如下：正文基于相位差的双麦语音增强算法，概算法的本质是维纳滤波，基于相位差计算出维纳增益的上界阈值，接着采用上界阈值公式来定义该增益函数，并加入调整系数，对两路分别进行维纳增益幅值调整，将调整后的两路信号采用DAS算法进行相加，最后通过IFFT还原到时域上，完成语音增强。​ 算法定义了相位差表达式，由维纳滤波入手，将维纳增益函

一个临界频带的“距离”通常称为一个Bark，频率（Hz）映射到Bark公式：z(f)=13×tan−1(0.00076×f)+3.5×tan−1[(f7500)2](Bark)z(f)=13\times tan^{-1}(0.00076\times f)+3.5\times tan^{-1}[(\frac{f}{7500})^2]\tag{Bark}z(f)=13×tan−1(0.00076×f)+3.5×tan−1[(7500f​)2](Bark)对于每个临界频带的频宽也可以从下式中求得：BWc

重采样一、前言​ 重采样分为上采样和下采样，下采样时需要对信号进行抽取，上采样时需要对信号进行插值，下面将介绍一种简单的重采样方式。二、定义​ 减少抽样率以去掉过多数据的过程称为信号的抽取(decimatim )”，增加抽样率以增加数据的过程称为信号的“插值(interpolation)。抽取、插值及其二者相结合的使用便可实现信号抽样率的转换。三、算法1、信号的抽取​ 设x(n)x(...