@audio/噪音-估计
噪音电源-光谱密度估计——光谱分解器减少的噪音地层,使程序所持的音符不受影响.
STFT分量框架的精确估计器。 按框架喂; 已读 .psd 联合国 Float64Array 联 合 国 N/2+1 当您需要当前噪音估计数时.
import { minStats } from '@audio/noise-estimate'
import { stftAnalyse } from '@audio/stft'
let est = minStats(1024, { D: 96 }) // half = frameSize/2
stftAnalyse(signal, mag => est.update(mag), { frameSize: 2048 })
let noisePsd = est.psd // drive Wiener / MMSE / OM-LSA gain
minStats(half, opts?)
最低统计数(2001年马丁):最近一个周期图的回转平滑最小值 D 框架,乘以偏差补偿B分钟 这使得它估计出噪音的威力而不是它的下尾. opts数字 : D (窗口帧,默认96: 1.1 s at hop 512, 44.1 kHz), alpha (嘘出,0.7), bias (违约B)分钟(D, α), Martin 2001 eq. 17: 3. 44 默认值; 窗口的平面盖住它的方式, partials (与 fs 财务报告和审定财务报表 hop: 见 partials) (中文(简体) ). 回返 { psd, bias, partials, update(mag) }。 。 。 .
一旦窗户被挡住 D 框架,估计值不会超过其平均值。 页:1分钟 是高斯噪声的正比和最小;平线(一呼,一引音,一载体)几乎不摇摆,其最小值为正比;而B分钟 把它5到7分贝放在上面(6.5分贝放在 @audio/denoise-wiener在44.1kHz的1.5个窗口,然后线路经过6分贝,比所学的轮廓要大。 噪声所持的威力不比其"本"多:窗口的"平"为"本"所盖,而"本"作为"噪声"或"语音"所摆动的地方,则"最小"为"所支配". 在窗口满载之前, 仅计算最小值: 少于 B分钟(D)跑过那扇窗子的高斯偏好,而恶作剧会将它贬低到任何地方.
更平滑的开始是迄今为止帧的平均值,它的值在它的内存QQ1/ (1−α)QQ帧(4 at α 0.7)满后进入最小值;直到那时,这个平均值是估计值. 数字沉默的框架被跳过:从零开始的热身或被编辑出暂停都不会成为窗口的最小值. 在 2.2.0 平滑器开始于 第一种相框的相位图上,它摆出2度自由而不是平滑的2(1+α)/(1−α) B分钟 用于:1%的垃圾桶在20个dB下方启动,最小值为D帧(在48kHz的1.5s窗口中发出白色噪声,在第一个窗口下方的10个dB的2.6%;现在为0.09%)。 在通过2048/512的白高斯噪声上,汉恩框下估计的平均值为:D 48-96和α 0.7-0.95的噪声功率下为0.4-0.7分贝(盖取其0.03-0.35分贝,其中P分钟•B分钟 传播于正.
imcra(half, opts?)
改进后的Minima控制递归活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活性活 作为论文(eqs. 7, 10-12, 14-29, 表一),由Cohen自己撰写 omlsa.m 以它所遗留的事物发誓; scripts/reference.py 内 @ audio/ denoise (英语) 写在纸上,复制 omlsa.m 到语音银行框架的最后一点(但对于近空的垃圾箱,在哪里) omlsa.m绝对的1e-10层绑定),并测试.js持有这个代码.
opts数字 : fs 财务报告和审定财务报表 hop (框架步骤:表一的常数为8ms帧并重新调整到它,其中决定方向为α,因此时间常数和~1 s 最小窗口按秒计;没有这些常数,每个帧都适用), alpha (单位:千美元)编号,0.9), (中文(简体) ), alphaD (单位:千美元)d. 国家页:1, beta 页:1, bMin (1.66), (中文(简体) ), gamma0 (四.6), gamma1 (3), zeta0 (1.67) (中文(简体) ), w (1), U (8), (中文), V (15帧为8ms), alphaDD (0.92分/8毫秒)和 xiMin (-25 dB) 用于事先指示的SNR, partials (单位:千美元)partials。直到2.2.0 alphaDD 每个帧应用,无论帧:其内存以48克赫兹(10.7ms steps)比44.1克赫兹(5.8ms)长1.8×.
回返 { psd, xi, xi0, gamma, v, gain, p, frames, update(mag, spp?) }:每个帧,根据更新的噪音估计,先验的SNR QQ(xi0:根据之前的估计,使用什么语音存在概率),后生SNR γ, v = γξ/ (1+ξ),LSA得到GH1级 和语音存在概率p. spp (数字或每站阵列)替换 p. Digital silence 被跳过。 在白高斯噪音上,估计的平均值在16、44.1和48千赫的噪音功率下0.4分贝以内.
partials(bins, opts?)
程序的部分没有被跟踪到 最低统计和IMCRA将任何持有一桶的东西作为大约一秒钟的噪音:一个被持有的音符,一个持续的元音,一个和弦的部分被学习到,在估计的基础上积累的增益将其取下. update(y2, psd),每个框架在跟踪器自我更新后, 读取一个部分的站点, 并保持 psd 在片段出现之前
- P,Q|Y|2平滑地超过30 ms,而F,它的形态开口跨频率(最小于±4 bins,再最大于±4):取出一个比9 bins更窄的峰顶,部分相间的地层会停留(Nelke,Naylor & Vary,ICASSP 2015).
- 部分:在±1 bin(vibrato,一款滑翔机)内为0.3 s跑取的P大于6 F(7.8 dB),在bin的噪声记忆上为10 dB. 它和它的汉恩主叶(±2 bins)被持有;一个被持有的被持有的被持有的被持有的被子,而跟踪者在它的内存上读取了6 dB,因为跟踪者仍然持有它结束后部分留下的东西.
- 内存:追踪器的估计值平均在bin的自由帧上(既不是峰值,也不是持有),每分之八
T(60 s),是后8个中最少的.
从取来起就稳起一行(hum,一个扇子的叫声,一个引擎),没有自由框和记忆:它保持了噪音. 中取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取取 T,然后它被学习, 以及一个更长时间的字条。 从第一个框架听到的音符被学习到它的本子一度被取出:从那里的一个行里什么也看不出来. 仅仅在高斯的噪音上,什么也没有被持有,估计是追踪器的到位. 回返 { flag, lines, mem, update }数字 : flag,垃圾箱持有这个框架; lines,在窗口中没有自由框的垃圾箱,这些垃圾箱已经达到顶峰 T8 跑来跑去或跑去以上(自拍摄开始以来,噪音床或音符的行); mem记忆. opts数字 : dt (框架步骤, s)和 T。 。 。 .
minStats 财务报告和审定财务报表 imcra 当作 partials: true (或其选项)与 fs 财务报告和审定财务报表 hop他们的猜想者 .partials默认关闭这里; @audio/denoise-omlsa, (中文(简体) ), -wiener 财务报告和审定财务报表 -spectral 打开它。 在VoiceBank+DEMAND的训练演讲、4个音乐录音和VocalSet长音(标语/宽带.mjs in @ audio/ denoise (英语):从54ms起起,后卫还按住声音口琴下起出的声音(PESQ-0.015);没有10dB起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起起.
noiseProfile(data, opts?)
一发基线:静静地段的平均值为:opts.from编号 :opts.to 样本)。 回返a Float64Array 私营部门司。 可以指向已知的只有噪音的区域时使用 .
known(profile, opts?)
一种已知而不是跟踪的噪音: profile 联合国 noiseProfile)举行,每个 update(mag) 给什么 imcra 给予: H1级 (单位:千美元)alphaDD 每8米0.92分,调整到给定的框架步骤 fs 财务报告和审定财务报表 hop 作为 imcra' ''s; '''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''' '''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''; xiMin -25分贝),γ,v和GH1级因此,一个收益写给 imcra (OM-LSA's) 运行在一个学到的噪音不变. xi0 实值 xi· ; p 保留 0。数字沉默被跳过.
参考资料
R. Martin,"基于最佳平滑和最小统计的噪声光谱密度估计",IEEE Trans. Speech Audio Process. 9(5), 2001 ^ R. Martin,"最低统计噪声功率光谱密度估计的比亚斯补偿方法", 信号处理86, 2006 (M(D), 表5) ^ I. Cohen,"不利环境中的噪声频谱估计:改进的迷你马控制回转平均", IEEEE Trans. 语音音频过程, omlsa.m, (中文(简体) ), israelcohen.com/软件 · C. M. Nelke, P. A. Naylor, P. Vary,"利用投出适应性反向二进制口罩进行风能短期光谱估计",ICASSP 2015.
页:1
通过STFT @audio/stft; 配对 @audio/vad是因为 spp()。从 @audio/denoise麻省理工学院.