- 博客(57)
- 收藏
- 关注
RSS订阅
原创 深度学习语音降噪总结
实时语音通信发展到今天，用户对通话语音质量提出了越来越高的要求。由于终端设备的多样性以及使用场景的差异，声音问题依然存在。传统的音频处理技术从声音信号本身出发，挖掘其时频特性，作出假设，建立物理模型，很多参数都需要人工进行精细化微调，比较费时费力。随着AI技术的发展，凭借着其强大的拟合能力，利用数据驱动，为改善音频体验提供了更多的可能性。 关于理论部分，包括论文有很多，每种想...
2019-03-14 14:32:03
15078
9
原创 语音识别的降噪思路和总结
噪声问题一直是语音识别的一个老大难的问题，在理想的实验室的环境下，识别效果已经非常好了，之前听很多音频算法工程师抱怨，在给识别做降噪时，经常发现WER不降反升，降低了识别率，有点莫名其妙，又无处下手。 刚好，前段时间调到了AIlab部门，有机会接触这块，改善语音识别的噪声问题，虽然在此之前，询问过同行业的朋友，单通道近场下，基本没有太大作用，有时反而起到反作用，但是自己还是想亲身实践一下，至...
2019-03-13 16:31:16
13032
8
原创 一个新型的混音算法
针对传统经典的线性混音，路数多时音量变小的缺点；自创了一个新的混音算法，解决该问题，声音不会忽大忽小，而且该方法还能一定程度抑制噪声，突出人声，能实时计算量小，专利已经受理。对于混音方法，网上和文献上流传许多方法。1.平均权重2.随幅值变化的权重3.利用衰减因子缓慢规整4.绝对值处理5.A+B-A*B(书写不是很精确)经过实验，方法做了比较了：方
2017-08-10 17:12:54
2494
1
原创 各种自适应滤波器总结
时域：----------------------------------------------------------------------------------------------------------------------LMS滤波器参数更新公式： 权重更新收到输入信号的能量影响较大，输入信号能量越大，步长取值应该较小，保证不容易
2017-06-10 10:30:27
25008
2
原创 啸叫抑制
在实际当中，回授音有很多种。我们最常听到的“啸叫”也是一种。但我们要寻找的是那种可以控制音量，时间，音高，甚至音色的回授。“啸叫”是不可控制的。从不可控制的啸叫到可控制的回授，这是一个漫长的历程。常见生活中的例子：拿着话筒K歌或者讲话时，离音箱太近会产生刺耳的声音，这就是啸叫。产生原因简单来说，啸叫产生的条件需满足以下三点：1)话筒与音箱同时使用。2)音响系
2017-05-03 13:49:45
8877
2
原创 DTW算法理解
dtw路径与线性变换路径对比 在孤立词语音识别中，最为简单有效的方法是采用DTW（Dynamic Time Warping，动态时间归整）算法，该算法基于动态规划（DP）的思想，解决了发音长短不一的模板匹配问题，是语音识别中出现较早、较为经典的一种算法，用于孤立词识别。参考模板，可表示为R={R（1），R（2），……，R（m），……，R（M）}，m为训练语音帧的时序
2017-02-20 23:20:19
7876
原创 SVM matlab 代码详解说明
x=[0 1 0 1 2 -1];y=[0 0 1 1 2 -1];z=[-1 1 1 -1 1 1];%其中，（x,y）代表二维的数据点，z 表示相应点的类型属性。data=[1,0;0,1;2,2;-1,-1;0,0;1,1];% (x,y)构成的数据点groups=[1;1;1;1;-1;-1];%各个数据点的标签figure;subplot(2,2,1);Struct1 =
2017-02-20 23:18:58
12387
1
原创 递归与非递归二叉树遍历
前段时间意外收到MS的电面，因为现在做的工作基本上是与音频、音乐信号处理相关，外带互联网全能打杂型。本质上跟计算机纯软件不是太相关。我最后选择了自己比较感兴趣的IMML组面试了一下。 面试基本上就是英语口语面试和二叉树相关的内容。所以想进微软的同学，这两项基本功要打好基础了。 笔试的第一题是用非递归的方法遍历二叉树，这个再学校的时候也没有复习到，只用过递归的方法，
2015-11-26 17:26:02
823
1
原创 基于winner 滤波平稳降噪效果
https://en.wikipedia.org/wiki/Wiener_filterWiener filter solutionsThe Wiener filter problem has solutions for three possible cases: one where a noncausal filter is acceptable (requiring an inf
2015-11-25 23:26:09
2889
原创 基于分类的Vad效果
提取出频谱特征，然后使用gmm、svm、dnn模型进行训练和分类，实时话语检测。原始文件 VAD处理，剔除静音后的效果：
2015-11-25 23:18:42
2258
2
原创 Dynamic range compression
这段时间终于把手头的东西都搞完了，还剩下一个AEC这个模块，这个模块跟整个系统机制有很大关系，单独的模块意义不大。另外，刚写完一个分类器，希望能大幅提升音乐流派分类的准确率。下周正式开搞AEC，把之前做的一些事情记录一下。 https://en.wikipedia.org/wiki/Dynamic_range_compressionDownward
2015-11-25 23:09:26
2148
1
原创 soundtouch变速wsola算法之改进
soundtouch变速算法很类似sola算法，细看才知道是wsola算法。上个星期有个需求，将该变速应用到直播的包处理，有点类似于webrtc的netEQ处理机制。直接使用soundtouch，会存在一些问题：1.一段正常，一段变速，中间会出现不连续，有冲击。或者不同速率的切换。 越频繁，现象更明显，。2.soundtouch每次处理，会有残余，如果用flush，音质会受
2015-10-13 15:36:27
3112
2
原创 MFCC特征提取(C语言版本)
音频分析中，MFCC参数是经典参数之一。之前对于它的计算流程和原理，大体上是比较清楚的，所以仿真的时候，都是直接调用matlab的voicebox工具或者开发的时候直接调用第三方库。最近想整理一个纯C语言版本的MFCC函数，发现第三方开源的一部分是C++的，有些纯C的开源代码是针对语音固定了某些参数，不太灵活。干脆自己动手写一下，发现matlab写习惯了，都弱化了写C的思维，磕磕碰碰弄了2天，初版
2015-05-28 19:39:06
16459
22
原创 音频指纹仿真(Philips)
参考《A Highly Robust Audio Fingerprinting System》Philips 音频指纹提取流程： 步骤一：resample到5kHz，down-mix到mono。步骤二：分帧处理，帧长和帧移见文献。步骤三：(1)加hanning窗，FFT变换，得到每帧的幅度谱(2)将频率预300~2000Hz，划分33个子带，类似bark域
2015-05-06 13:50:23
2642
原创 可变速率的语音变调效果
Time stretching is the process of changing the speed or duration of an audio signal without affecting its pitch. Pitch scaling or pitch shifting is the opposite: the process of changing the pitch
2015-04-26 09:00:10
2000
原创 低音增强
1.衰减高频部分，有利于突出低音部分。2.根据人理心理学响应，即便基频丢失，增强频谱的主要谐波，衰减弱信号，增加对比度，实现低音增强。试听：http://pan.baidu.com/s/1Haqse低音增强
2015-04-25 20:56:34
3283
3
原创 低质量音频伪装高质量音频的检测方法
这里有篇论文《基于子带谱平滑度的音频篡改检测》，可供参考。这里的质量主要涉及到采样率，即低采样率伪装高采样率音频。大部分假无损就是上采样为高质量的音频，然后用无损格式封装。11025Hz 伪装重采样 22050Hz音频，重采样不会补充有用信息，即11025/2 ~ 22050/2仍然平坦。22050Hz原始音频，一般情况下是自然逐步衰减(这取决与音频的内容，
2015-04-25 20:26:25
2257
原创 离线版-端点检测代码重写
根据对双门限的理解和修改，重写了一个离线版端点检测。 function [st,en]=VAD(x, fs)x=double(x);x=x/max(abs(x));framelen= floor(fs*40/1000);%frameinc= floor(fs*10/1000);%y=enframe(x,framelen,frameinc);%计算短时
2015-04-17 21:01:33
1752
1
原创 检测带人声的音乐
部分文献的结果：印度古典乐的几种简单乐器的演奏，谱减法消去部分背景音初步处理，区分结果：前提已知-音乐的曲调，消去部分背景音,实验结果：自己实验的结果：1120首10折交叉验证的准确率是87.2%5000首10折交叉验证的准确率是86.40% 耗时 15个小时截取中间3分钟5000首10折交叉验证的准确率是86.33% 耗时
2015-02-28 16:44:12
3153
原创 音乐和人声自动判别小结
如下表1和表2所示，人声测试集包含：电视节目、讲故事、评书、说相声、有声电台等；音乐测试集包含：华语舞曲、R&B、西方民谣、华语摇滚、rap、1614混合曲集等。 表1测试集中，人声的平均识别率在89.31%，音乐的平均识别率在95.95%。相声和故事的结果较差，原因在于测试集中包含的相声现场录制环境较差，环境吵闹，频谱混乱；而讲故事有比较明显的音乐背景伴奏。 表
2015-02-28 16:30:03
4781
6
原创 流派曲风自动分类初步小结
未来还有进一步提升的空间，测试结果只能说明部分问题。1.原始版本Correctly Classified Instances 762 76.2%Incorrectly Classified Instances 238 23.8% a b c d e f g h
2015-02-28 16:22:51
1158
1
原创 梳状滤波器滤除谐波
假设原始信号采样率为4000kHz，由200Hz为基波的一组幅度为1的谐波构成，此处由正弦函数模拟。由此得到200Hz,400Hz,600Hz...2000Hz，但是此处2000Hz的幅度几乎为0，后面详细说明。 200Hz幅度为1的时域波形。 FFT变换之换，对应频率的幅度依然为1，频率依然在200Hz，镜像频率对称，在频率(4000-2000)Hz直接忽略(奈奎斯特定律
2015-01-20 15:21:12
10676
3
原创 MFCC可视化
大多数文章和博客介绍都是MFCC的算法流程，物理意义，这里仅仅从数据分布可视化的角度，清晰观察MFCC特征在空间中的分布情况，加深理解。MFCC处理流程：MFCC参数的提取包括以下几个步骤：(选自百度百科) 1.预滤波：CODEC前端带宽为300-3400Hz的抗混叠滤波器。 2.A/D变换：8kHz的采样频率，12bit的线性量化精度。
2014-11-14 11:18:10
3240
2
原创 音乐节拍提取(一)
前段时间倒腾了一下音乐节拍数检测，参考下面的歌曲列表做了下对比，效果还不错，基本上都是准的。Itunes LinkNameTimeArtistBPMAlbumGenreAmazon LinkLoneliest Soul03:35Grace Potter and the Noc
2014-09-24 15:17:09
17965
18
原创 多重背包
//多重背包void WKnapsack4(int *value, int* v, int *Num, int n, int V){ int d[100][100]; memset(d, 0, sizeof(int)* 100*100); bool visit[100][100]; memset(visit, 0, sizeof(bool)* 100 * 100); int
2014-08-31 14:37:59
806
原创 01背包
//01背包void WKnapsack3(int *value, int* v, int n, int V){ int d[100]; memset(d, 0, sizeof(int)* 100); bool visit[100][100]; memset(visit, 0, sizeof(bool)* 100 * 100); for (int i = 0; i <
2014-08-31 14:36:34
677
原创 完全背包问题
完全背包问题 解决方法 跟初级硬币问题递推法 很相似，只需将1改成 对应的数值。value 背包价值， v体积， n种背包， 体积不超过V，最大价值。void WKnapsack(int *value, int* v, int n, int V){ int d[1000]; memset(d, 0, sizeof(int)*1000); for(int i =
2014-08-29 18:48:07
581
原创 硬币问题
不同的面值Value[ ]有硬币个数Num[ ]限制，凑齐Goal面值,需要的最小和最大个数。static int Min = 1<<10;static int Max = 0;static int* set;static int* Count;void LeastCoin_N(int* Value, int* Num, int Len, int Goal, int cur)
2014-08-29 11:56:46
725
原创 初级硬币最大最小问题递推法
static int* Min;static int* Max;void LeastCoin2(int* Value, int Len, int *d, int Goal) { for(int i = 1; i <= Goal; i++) { for(int j = 0; j < Len; j++) { if(i >= Value[j])
2014-08-28 14:55:13
824
原创 初级硬币问题
已知，有一批不同面值的硬币，没有硬币个数限制，求得到S的所有组合，以及最小，最大硬币个数。最小、最大硬币个数可以用贪心法，但是不一定能够得到有效解，但是可以提高结题速度，此处略。下面的解法比求解最大、最小硬币比较耗时。static int* set;static int Min = 1<<10;static int Max = 0;void LeastCoin(int*
2014-08-28 11:01:49
862
原创 变速变调原理与方法总结
调和变速原理自然语音的产生可以简化为图2-1模型，激励源出来的声门波信号与声道模型进行卷积，最后通过嘴唇辐射模型产生语音。其中，激励源决定说话人的基频的大小，即音调的高低。声道模型反映“润色”的频谱信息，具体的讲，共振峰决定了语义信息，谐波分布决定了音色，单位时间的音节数决定了语速。 图2-1 语音产生模型下面将根据语音产生模型来阐述变速变调的基本原理。变速
2014-08-27 20:48:26
7520
原创 KTV评分系统实现总结
KTV唱歌评分系统也不是什么新产品了，但是要把它做好，也不是很容易的事情。比较有名的浙江卫视的评分软件、手机软件“唱吧”、网页端在线“爱吼网”、酷我提供了K歌，但还没有评分功能。 刚开始接手项目时，初步制定三个月完成一个demo。两个月过去了，一切还比较顺利，KTV评分算法和整个框架总算是初步完成了。自己将这个项目分为五个阶段，类似的，开发其它产品基本上也
2014-08-26 17:43:08
13466
19
原创 8皇后问题
typedef struct Spoint{ int x; int y; Spoint() { x = -1; y = -1; }};static Spoint point[8];int Queen8(int n, int cur){ static int iCount = 0; if(cur == n) { iCount++; for(
2014-08-26 17:31:27
524
原创 初级8皇后问题
初级8皇后问题，不是真正的8皇后问题，是该问题的初级条件限制：产生不同行，不同列的组合。typedef struct Spoint{ int x; int y; Spoint() { x = -1; y = -1; }};static Spoint point[8];int Queen8(int n, int cur){ static int iCount
2014-08-26 17:29:27
691
原创 某个集合的子集问题
int WToSigArray(int* A, int n)//消除重复元素{ int i,j,k; for( i = k = 1; i < n; i++) { for( j = 0; j < k; j++) { if(A[j] == A[i]) { break; } } if(j == k) { A[k] = A[i];
2014-08-26 17:24:34
690
原创 n全排列输出和 n个数的组合(数字范围a~b)
n全排列输出：int WPermutation(int num, bool bRepeat)num表示num全排列bRepeat标志是否产生重复元素的序列。int Permutation(int n, int* A, int cur, bool bRepeat) { static int number = 0; if(cur == n) { number++;
2014-08-26 17:06:25
2033
原创 自由操控声音-相位声码器-变调篇(一)
相位声码器可以直接完成变速不变调的功能，要完成变调不变速功能，可以直接和重采样结合起来。重采样放在变速之前和之后，对效果都没有什么影响。特别推荐： 当做升调时，先做重采样，再做变速。 当做降调时，先做变速，再做重采样。这样处理，可以减小运算处理时间。
2014-08-13 09:44:35
2800
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人