csdn如何转载别人的文章

原创 dcnn 1d网络

【代码】dcnn 1d网络。

原创 简单的torch网络模型记录

2.conv1d卷积网络：输入(B,C,W)线性dense网络结构，输入(B,W)

原创 python的神经网络实现之BP神经网络

直接上代码，BP神经网络的一般形式：-- coding: utf-8 --“”"Created on Sun Oct 14 10:41:33 2018@author: fang“”"-- coding:utf-8 --#! python2import numpy as np定义tanh函数def tanh(x):return np.tanh(x)tanh函数的导数def ...

原创 混音算法相关比较用的博客和文章链接

视频会议混音算法 视频会议中混音后溢出问题的研究及解决方法

转载 音频混音算法的实现

转 音频混音算法的实现 2015年12月24日 16:04:14 阅读数：3516 ...

原创 视频会议混音算法

原 视频会议混音算法 2013年12月25日 09:44:11 阅读数：1683 ...

转载 软件混音的实现

原 软件混音的实现 2005年11月07日 17:36:00 阅读数：8508 ...

转载 webrtc 的回声抵消(aec、aecm)算法简介

原 webrtc 的回声抵消(aec、aecm)算法简介 2013年11月30日 20:33:46 阅读数：12368 ...

转载 语音自适应回声消除（AEC）算法

自适应回声消除算法欢迎留言交流AEC算法早期用在Voip，电话这些场景中，自从智能设备诞生后，智能语音设备也要消除自身的音源，这些音源包括音乐或者TTS机器合成声音。本文基于开源算法阐述AEC的原理和实现，基于WebRTC和speex两种算法，文末会附上两种算法的matlab实现。...

转载 深入理解WebRTC之AEC

由于工作需要，最近一直在研究WebRTC里的AEC算法。根据源码里面的fullaec.m文件，凭借MATLAB强大的数学计算能力，现在也算是对算法有了一定的了解。总体来说，我认为该AEC算法是属于分段快频域自适应滤波算法，Partioned block frequeney domain adaPtive filter(PBF...

转载 WebRtc中的AEC算法

理论 回声消除器的数学模型图回声消除本质上就是把输出信号和它产生的回声信号之间建立一个回声数学模型，利用开始的数据训练这个模型的参数，怎么训练呢？就是在远端有说话，但近端没有说话的时候，录音应该是静音，即回声完全消除。所以算法就朝着这个方向努力，一旦回声为0，则滤波器收敛。自适应滤波器算法多种多样，但是目前流...

转载 WebRTC之noise suppression算法

转载 windows编译libfaac

音频压缩有很多种方法，我们这里使用过libfaac压缩pcm为aac格式，因为我们之后要实现h264+aac推rtmp流。网上有已经编译完毕的libfaac下载过来就可以用，不过这里我们还是自己编译一下。Libfaac下载地址：http://www.audiocoding.com/downloads.html之前一直以为libfaac需要交叉编译，但是后来发现其实libfaac中frontend文...

转载 QMF滤波器组 理论

QMF滤波器组 理论 <div class="postBody"> <div id="cnblogs_post_body" class="blogpost-body" deep="8"><p>QMF滤波器组 &nbs

原创 从似然估计到EM到GMM小结

这个是前段时间的总结，最近整理了下发出来，mark 一下，自己最近越来越烂了，深戒之

转载 语音增强算法研究系列（三）：基于先验信噪比的音频降噪

如需转载，请注明出处！创建CSDN博客专栏的流程过于繁琐，为了节省时间，以系列文章的方式总结对语音增强算法的研究，主要包含语音降噪与回声消除算法。参考文献：Speech Enhancement Based on A Priori Signal to Noise Estimation作者： Pascal Scalar...

转载 语音增强算法研究系列（二）：MMSE-LSA 音频降噪

如需转载，请注明出处！创建CSDN博客专栏的流程过于繁琐，为了节省时间，以系列文章的方式总结对语音增强算法的研究，主要包含语音降噪与回声消除算法。MMDE-LSA： 参考文献：Speech Enhancement Using a Minimum Mean-Square Error Log-Spectr...

转载 语音增强算法研究系列（一）：MMSE-STSA 音频降噪

如需转载，请注明出处！创建CSDN博客专栏的流程过于繁琐，为了节省时间，以系列文章的方式总结对语音增强算法的研究，主要包含语音降噪与回声消除算法。MMDE-STSA： 参考文献：Speech Enhancement Using a Minimum Mean-Square Error Short-Time Spect...

转载 语音增强算法研究系列（四）：非平稳噪声消除

如需转载，请注明出处！创建CSDN博客专栏的流程过于繁琐，为了节省时间，以系列文章的方式总结对语音增强算法的研究，主要包含语音降噪与回声消除算法。 参考文献：Speech enhancement for non-stationary noise environments作者： Israel Cohen...

转载 基于对数MMSE的语音增强算法

  常见的语音增强算法有谱减法，MMSE和维纳滤波等。谱减法虽然实现简单，运算量小，但效果比较差，容易出现刺耳的“音乐噪声”。MMSE和维纳滤波虽然原理较复杂，运算量也相对较大，但效果着实不错，甚至可以完全减除“音乐噪声”。由于实验室需要，对语音增强算法相对有点了解，但不够深入。实验室项目增强部分算法采用的是欧洲ETSI的AS...

转载 语音增强与现状趋势分析

本文主要的参考文献来自于语音及语言信息处理国家工程实验室的一篇演讲报告1、语音增强的目标：受体是机器，目标是提高语音的可懂度（intelligibility）受体是人，目标是提高语音的质量（quality）2、语音增强的任务：语音降噪、语音分离、语音解混响，增强技术很多情况下并不是独立的，而是需要联合处理和优化。例如，语音...

转载 噪声抑制中先验信噪比与后验信噪比的关系

      原文转载于：https://user.qzone.qq.com/314138065/blog/1442843834      非常感谢。     噪声抑制算法中，谱减算法用的是后验证信噪比，维纳滤波器使用的是先验信噪比，MMSE（最小均方误差）算法既用到了先验信噪比，也用到了后验信噪比，那么...

转载 什么是傅立叶变换？为什么要进行傅立叶变换？一些回忆--信号与系统

今天的现代通信网课上讲到傅立叶变换，老师翻出了一些以前信号系统和通信原理课本里的概念和公式，突然感到既熟悉又陌生。也难怪，原本读研之前一直以为今后就会和这些东西说再见，而彻底地投入计算机和网络的世界中，以至于开学来苏州这边的时候，本科的教材一本都没带过来。如今突然再次用到，多少感慨涌入心头，又怀念起以前大二时盯着一本书的公式发呆的日子，呵呵。 毋庸置疑，信...

转载 MDCT/MDST, IMDCT与DCT-IV的关系以及快速FFT实现

本文主要是MDCT/MDST/IMDCT与DCT-IV的关系，然后是采用N/4点快速FFT傅里叶变换来实现N点的MDCT/IMDCT的公式推导以及重叠相加的基本原理，并根据MDCT/IMDCT的特点推导满足完全重建的窗函数的特性。MDCT/MDST/IMDCT与DCT-IV的关系如下是DCT-IV，MDCT/MDST/IMDC...

转载 csdn如何转载别人的文章

 对于喜欢逛CSDN的人来说，看别人的博客确实能够对自己有不小的提高，有时候看到特别好的博客想转载下载，但是不能一个字一个字的敲了，这时候我们就想快速转载别人的博客，把别人的博客移到自己的空间里面，当然有人会说我们可以收藏博客啊，就不需要转载，(⊙o⊙)… 也对。。实现  因为我自己...

转载 语音降噪（LMS,谱减法和维纳lvbo）

文章为转载，原来地址：http://blog.csdn.net/kaixinshier/article/details/72477679?locationNum=5&fps=1概述：现实生活中，语音信号一般都带有噪声，在进一步处理信号前（如语音识别，语音编码），往往要对信号进行降噪，本文介绍几种简单的降噪算法：自适应滤波器/谱减法/维纳滤波法。随着信噪比的减小，降噪方法处理的效果也随之变差...

原创 HMM的个人理解

马尔可夫过程：谈到 HMM，首先简单介绍一下马尔可夫过程 (Markov Process)，它因俄罗斯数学家安德烈·马尔可夫而得名，代表数学中具有马尔可夫性质的离散随机过程。该过程中，每个状态的转移只依赖于之前的 n 个状态，这个过程被称为1个 n 阶的模型，其中 n 是影响转移状态的数目。最简单的马尔科夫过程就是一阶过程，每一个状态的转移只依赖于其之前的那一个状态。注意这和确定性系统不一样，

原创 从似然函数到EM算法

上次关于似然函数的学习中我们知道：求最大似然函数预计值的一般步骤：（1）写出似然函数；（2）对似然函数取对数，并整理；（3）求导数，令导数为0，得到似然方程；（4）解似然方程，得到的參数即为所求； 我们说似然函数的意思就是说如果给你一大堆观察数据，然后你自己估计一个模型去最大的逼近这个输出结果。现在问题来了，如果给你的这一大堆数据又分成了两个小区域，比如性别，男或者女，

原创 似然函数个人理解

以前上学的时候对似然函数什么的一看到就头疼，最近专门研究了一下，写一下自己的总计，后序会是与似然函数先骨干的GMM和HMM的总结。经典理解： 设总体的概率模型为F(x|θ)。为了说明的方便，暂假定只有一个未知参数，X1，X2，……，Xn是容量为 n 的随机样本（大写X），实际观测到的样本观测值（小写x）为 Xl=x1，X2=x2，……，Xn=xn 。把同各Xi对应的密度函数或概率函数(

转载 语音增强

转自研学论坛craft：http://bbs.matwav.com/viewthread.php?tid=870532&extra=page%3D11）Y.Ephraim， 此人大牛， 可以说开启/总结 了语音增强的三个方向，statiscial model based, HMM training based, subspace based. 2）R.Martin，主要贡献在于no

原创 均衡器设计

首先均衡器在百度文库中的定义是：均衡器（Equalizer）简称EQ，是一种可以分别调节各种频率成分电信号放大量的电子设备，通过对各种不同频率的电信号的调节来补偿扬声器和声场的缺陷，补偿和修饰各种声源及其它特殊作用，一般调音台上的均衡器仅能对高频、中频、低频三段频率电信号分别进行调节。在通信系统中，在系带系统中插入均衡器能够减小码间干扰的影响。均衡器的分段不同效果就不同，分段后的各

原创 音频重采样问题总结

以下是两篇文章，介绍的很精辟，今天时间不够，暂时只发链接，改天会有比较详细的介绍点击打开链接http://blog.csdn.net/wangjianzhongfj/article/details/72860985

原创 NLMS算法简介及基于NLMS的时域EC实现

首先附上两篇感觉不错的博客：点击打开链接  回声消除NLMS算法详解 点击打开链接  NLMS算法 点击打开链接 自适应滤波：最小均方误差滤波器（LMS、NLMS）这三篇文章都很不错，所以重复的部分我都一笔带过，说下我自己的见解。首先，LMS其实就是线性预测的知识，用过去的几点数据来预测当前的数据点。如果已知想要的期望信号就可以根据误差来逐步的逼近期望信号。LMS用于线性预

原创 滤波器的延时计算问题

原创 第一篇博客

开始工作有一段时间，一直想对自己学习的知识梳理一下，同时学习一些新的知识并分享出来，但是都太懒 了，从今天开始督促自己，第一篇博客。