原创 【論文筆記之Conv-TasNet】: Surpassing Ideal Time–Frequency Magnitude Masking for Speech Separation

本文對Yi Luo於2019年發表的語音分離論文Conv-TasNet進行簡單地翻譯。如有不當之處歡迎批評指正 目錄1. 論文目的2. 摘要3. 介紹4. 卷積時域音頻分離網絡A. 時域語音分離B. 卷積編碼器/解碼器C. 估計分

原创 python之加載json文件中的數據

如有不當之處歡迎批評指正 1. 使用load函數 import json5 if __name__ == '__main__': data_dict = json5.load(open("test.json"))

原创 音頻編解碼之G7221編碼器

如有不當之處歡迎批評指正 目錄前述簡介編碼器1. 計算、量化和編碼MLT的幅度包絡1-1. MLT重疊調製變換1-2. 計算、量化MLT的幅度包絡1-3. 編碼MLT的幅度包絡2. 確定編碼方法、量化和編碼MLT的係數2-1. 產

原创 python之importlib加載文件

如有不當之處歡迎批評指正 1. 使用importlib中的import_module函數 定義如下文件結構: |--model # 文件夾 | | | |--a.py | |__init__.py |

原创 python之numpy數組交換元素位置

1. 需要用到中間變量的方法  必須使用np.copy()函數 import numpy as np if __name__ == "__main__": a = np.array([1,2,3]) temp =

原创 音頻編解碼之G7221解碼器

如有不當之處歡迎批評指正 目錄前述簡介解碼器1. 解碼幅度包絡2. 確定編碼類型3. 解碼MLT係數4. 噪聲填充5. 欠缺的比特6. 丟幀補償7.逆MLT 變換8.總結 前述   上篇文章《音頻編解碼之G7221編碼器》介紹了G

原创 有參考音質評估

如有不當之處歡迎批評指正   這篇文章主要想簡單地談一下評估音質的方法。對一段含噪語音降完噪之後,想評估一下其音質,最常想到的方法就是使用 pesq (perceptual evaluation of speech quality

原创 A Hybrid DSP/Deep Learning Approach to Real-Time Full-Band Speech Enhancement

本文對Jean-Marc Valin於2018年發表的基於rnnoise降噪的論文進行簡單地翻譯作以記錄。如有不當之處歡迎批評指正 目錄1. 論文目的2. 摘要3. 介紹4. 信號模型A. Band structureB. Pit

原创 Supervised Speech Separation Based on Deep Learning-An Overview

本文對汪徳亮於2017年發表的語音分離的綜述性論文進行簡單地翻譯作以記錄,如有不當之處歡迎批評指正 目錄1. 論文目的2. 摘要3. 介紹4. 分類器和學習機5. 訓練目標A. ideal Binary MaskB. Target

原创 git刪除已經push到遠程服務器上的某個提交

如有不當之處歡迎批評指正 1. 找到想要回退到的commit-id 2. 本地代碼回退到1中的commit-id git reset --hard <commit-id> 3. 推送到遠程服務器 git push origin

原创 python之pesq開源庫

計算pesq: https://github.com/vBaiCai/python-pesq 計算pesq/stoi/segSnr等客觀指標: https://github.com/schmiph2/pysepm

原创 塊自適應濾波器

如有不當之處歡迎批評指正 1.塊自適應濾波器   傳統的LMS(點擊學習LMS算法)和NLMS(點擊學習NLMS算法)算法都是sample based algorithm,即每來一個樣值便更新一次濾波器係數。顧名思義,塊自適應濾波器是每

原创 C++概念性知識點之reference,typedef和enum

0如有不當之處歡迎批評指正 reference   1 引用是對象的另一個名字,在實際程序中,引用主要用作函數的形式參數;   2 不能定義引用的引用;   3 引用必須初始化,只要該引用存在,它就保持綁定到初始化時指向的對象,

原创 記2017中興提前批面試

中興提前批面試總共有兩輪,第一輪是專業面試,第二輪是綜合面試。主要記錄一下專業面試的情況。 第一輪專業面試:   1)兩個面試官,先自我介紹一下;   2)然後主要講一下自己的研究方向和項目——回聲消除,我當時在紙上畫圖簡單介紹了一

原创 LMS算法

如有不當之處歡迎批評指正 注:粗體表示向量,T 表示向量轉置 1 引言   LMS(Least mean square)算法,即最小均方誤差算法。由美國斯坦福大學的B Widrow和M E Hoff於1960年在研究自適應理論時提出