rnnoise會有一個pitch_filter
這是由於因爲它們在生成特徵時不是用頻域上所有頻點，而是採取bark's scale的切分頻段來對不同頻率的頻段進行特徵處理
這樣的話頻域上的分辨率會降低，然後導致最後在進行降噪後生成的語音會有一個現象就是oversmoothing,即你會辨別不清共振峯．
儘管bark's scale 在低頻部分的頻段分得很細，但是他把好幾個頻率都歸爲一個頻帶，就會使得生成波形很平滑（想想看，以前每個頻點分別處理，現在幾個頻點雖然代表不同頻率，但都是統一類，一起處理，就會平滑）但在語音中，過度平滑不是好處，對識別人聽和識別是壞處的，所以pitch_filter就是去sharp這些共振峯的．
這個處理oversmoothing 的部分在另外一個項目也就是中科大sednn降噪的 global variance處理也能體現出來．
然後會有人問，可不可以不用barks'scale 處理，直接頻點處理呢，可以，但在高頻會有問題．
因爲幀與幀之間在低頻部分會有小部分變化，但那種變化並不是特別大，可是在高頻部分變化是非常劇烈的（拿段音頻做頻譜分析你就能知道）
原因有兩個：
１．高頻部分信噪比比較低，所以噪聲較大，SE處理後噪點多
２．因爲高頻部分是n階諧波，基頻變一點，高頻變很多
如果把每個頻點單獨處理的話，到時候降噪可能會產生殘餘噪點，影響聽覺感受． 這也能理解爲啥mfcc高頻的濾波器跨越的頻率那麼寬，低頻濾波器很多
最後，改了rnnoise的東西能生成16k的模型，用aishell的數據進行訓練和測試，asr 效果確有提高～
（未完待續）