CN115691537B - 一种耳机音频信号的分析与处理系统 - Google Patents
一种耳机音频信号的分析与处理系统 Download PDFInfo
- Publication number
- CN115691537B CN115691537B CN202211688000.6A CN202211688000A CN115691537B CN 115691537 B CN115691537 B CN 115691537B CN 202211688000 A CN202211688000 A CN 202211688000A CN 115691537 B CN115691537 B CN 115691537B
- Authority
- CN
- China
- Prior art keywords
- frequency
- signal
- time
- audio signal
- analysis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 81
- 230000005236 sound signal Effects 0.000 title claims abstract description 60
- 238000001228 spectrum Methods 0.000 claims abstract description 66
- 230000000737 periodic effect Effects 0.000 claims abstract description 7
- 230000009466 transformation Effects 0.000 claims abstract description 7
- 238000009432 framing Methods 0.000 claims abstract description 6
- 230000006870 function Effects 0.000 claims description 37
- 230000004044 response Effects 0.000 claims description 18
- 230000008859 change Effects 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 12
- 230000003595 spectral effect Effects 0.000 claims description 10
- 238000005311 autocorrelation function Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 210000005069 ears Anatomy 0.000 claims description 3
- 230000008407 joint function Effects 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims 1
- 230000003321 amplification Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Stereophonic System (AREA)
Abstract
本发明公开了一种耳机音频信号的分析与处理系统,具体涉及音频信号处理领域,包括短时分析模块、加窗模块、频域分析模块和时频分析模块,所述短时分析模块用于对音频信号进行分帧,使一段音频信号成为平稳的信号,所述加窗模块使分帧后的信号变得连续,减少与原始信号的误差,所述频域分析模块通过将音频信号分成不同分辨率的分量缩小分析范围。本发明采用倒谱对两音频的混合信号分析,倒频谱分析法是基于傅里叶变换的一种分析方法,一个信号和延迟缩放副本之和的对数傅里叶频谱,是由信号的对数频谱加一个和回波相关的周期成分构成的。
Description
技术领域
本发明涉及音频信号处理技术领域,更具体地说,本发明涉及一种耳机音频信号的分析与处理系统。
背景技术
在耳机系统中最重要的衡量指标就是信噪比和失真,信噪比就是信号功率和噪声功率的比值,主要影响信噪比的是噪声和系统特性,而噪声影响系统内部信号,噪声是一种随机变量,一般来自于设备的各个元器件,电路中的噪声主要来源于电阻内电子的热运动和晶体管中带电粒子不规则的运动造成的,这属于系统的固有内部噪声,更广义的噪声是指除有用信号之外的所有其他信号,不仅仅包括内部固有噪声,更包括外部的干扰噪声,比如说耳机的噪声主要是来自于周围环境的噪声。除了噪声之外,重要的就是非线性失真了,主要表现在信号在放大或者传输过程中波形的标准发生变化,主要原因是在耳机中的有源器件比如晶体管的特性是非线性的,在放大过程中总会失真。
发明内容
为了克服现有技术的上述缺陷,本发明的实施例提供一种耳机音频信号的分析与处理系统,通过频域分析模块,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:包括短时分析模块、加窗模块、频域分析模块和时频分析模块,所述短时分析模块用于对音频信号进行分帧,使一段音频信号成为平稳的信号,所述加窗模块使分帧后的信号变得连续,减少与原始信号的误差,所述频域分析模块通过将音频信号分成不同分辨率的分量缩小分析范围,提取不同分辨率的信号分量相当于分解数据在不同时间尺度上的变化,在不同频带上进行分析,所述时频分析模块同时描述信号在不同时间和频率的能量密度以及强度,时间和频率的联合函数称为时频分布,利用时频分布分析音频信号能够得到各个时刻的瞬时频率以及幅值。
在一个优选地实施方式中,所述短时分析模块是音频信号分析和处理过程中的关键,音频信号本身和表征其本质的特征参数都是随时间变化的,属于非平稳信号,将音频信号切分为一系列小段进行分析和提取特征参数,每一小段为一帧,长度称为帧长,整段音频信号的特征参数是由每一帧特征参数组成特征参数时间序列所构成的,音频交叠分段之后后一帧的起始部分和前一帧的末尾部分相同,交叠部分平缓过渡了帧之间的差距,连续性更好。
在一个优选地实施方式中,所述频域分析模块是音频分析的重要内容,频域分析的主要依据是频率响应特性曲线图,频率响应曲线图反映了音频设备在整个音频范围内的频率响应的分布情况,曲线峰值处的频率成分,回放声压大、声压强,曲线谷底处频率成分声压小、声音弱,信号的频率分析方法包括频谱、能量谱、功率谱,倒频谱以及小波分析,频谱是将信号做傅里叶变换,通过傅里叶变换及其反变换,能够得到信号的傅里叶频谱、功率谱、倒频谱,频谱也是随时间变化的,需要采用短时分析技术,短时傅里叶变换定义为:
实际计算中,先把 ·/>看成一个周期,先进行周期性扩展后,对它作离散傅里叶变换,其中/>为信号经过中心频率得到的响应,/>表示音频信号经过处理后的函数,当窗函数的长度为N时,/> ·/>的长度也为N,/>(k)的长度为2N,对信号/>的短时自相关函数作傅里叶变换,对短时傅里叶变换所得频谱幅度作平方运算,就能够得到短时功率谱,/>为自相关函数,描述随机信号一个时刻与另一个时刻的依赖关系以及两个随机变量的相关性,/>为输入序列,jωm代表音频信号的阻抗,其中代表的是音频的短时功率谱:
所述能量谱也叫能量谱密度,能量谱密度描述了信号以及时间序列的能量如何随频率分布,能量谱是原先傅里叶变换的平方,所述功率谱是功率谱密度函数的简称,它定义为单位频带内的信号功率,根据维纳辛钦定理证明一段信号的功率谱等于这段信号自相关函数的傅里叶变换,功率谱密度从物理意义上来讲就是单位频率内的信号能量,因为在时域中功率=功/时间,那么在频域功率=功/频率,功率谱密度曲线下面的面积就是这个信号的总能量,而信号的总能量是对所有幅值求平方和,所述倒频谱是一种基于频率定义的非线性刻度单位,表示人耳对音高变化的感官,能够将线性频率刻度赫兹换算为梅尔刻度,一个常用的公式是,其中m为梅尔频率,f为赫兹表示频度,当频率较小时梅尔频率随赫兹的变化快,频率大时梅尔频率上升缓慢:
所述倒频谱方便提取分析频谱图上的周期性信号,能将频谱图上成簇的边频带谱线简化为单根谱线,所述小波分析在低频部分采用较低的时间分辨率,提高频率分辨率;在高频部分,采用较低的频率分辨率来换取精确的时间定位,小波变换的实质是将信号在一个时域和频域上均具有局部化性质的平移伸缩小波权函数进行卷积,从而将信号分解成位于不同时间和频率上的各个成份。
在一个优选地实施方式中,所述时频分析模块描述了音频设备在时间轴上随事件的变化它的频域特性变化的情况,时频特性在频率的变化过程中描述了音频设备的响应状态,在事件的变化过程中描述了音频设备的响应状态,其表达式为:
常用的一个平滑函数是高斯核:
其中为信号的魏格纳威利分布,/>是对信号进行截断得到的,/>表示的是多分量信号中分量之间的交叉项,信号中的分量成分越多,交叉项越多,/>中dx是关于x的微分,在一个含x的式子中对x求导,dy是关于y的微分,/>为窗口函数,/>函数是声波经过移位和伸缩后产生的,d/>du代表的是时延因子,t代表时间,u代表声速,s代表t时间内信号传播的距离,/>是倒频谱,/>代表采样周期内的音频信号,/>代表时间轴采样时间内的功率谱。
本发明的技术效果和优点:
为了解决音频中经常存在噪声干扰和时间延迟导致音频比对结果不准确的问题,针对常用算法中测量音频特征距离抗噪性能差的不足,采用倒谱对两音频的混合信号分析,倒频谱分析法是基于傅里叶变换的一种分析方法,一个信号与其延迟并缩放的副本之和的对数傅里叶频谱,是由信号的对数频谱加一个和回波相关的周期成分构成的,将对数频谱再一次做傅里叶分析,倒频谱是将对数频谱视为波形并进行进一步的傅里叶分析,即做对数频谱的离散傅里叶逆变换,倒频谱可以看作是频谱的频谱,其自变量的量纲是时间,因为它是对数频谱的傅里叶逆变换,但通常也被解释为频率,因为这里是对数频谱视为波形,这样可以把对数频谱中的周期成分显现出来,得到一个新的量证明回波的存在。
附图说明
图1为本发明的一种耳机音频信号的分析与处理系统的流程图。
图2为本发明的一种耳机音频信号的分析与处理系统的结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
本实施例提供了如图1所示一种耳机音频信号的分析与处理系统,包括短时分析模块、加窗模块、频域分析模块和时频分析模块,所述短时分析模块用于对音频信号进行分帧,使一段音频信号成为平稳的信号,所述加窗模块使分帧后的信号变得连续,减少与原始信号的误差,所述频域分析模块通过将音频信号分成不同分辨率的分量缩小分析范围,提取不同分辨率的信号分量相当于分解数据在不同时间尺度上的变化,在不同频带上进行分析,所述时频分析模块同时描述信号在不同时间和频率的能量密度以及强度,时间和频率的联合函数称为时频分布,利用时频分布分析音频信号能够得到各个时刻的瞬时频率以及幅值。
本实施例中,提供了如图1所示的一种耳机音频信号的分析与处理系统,具体包括下列步骤:
101、对音频信号进行分帧,使一段音频信号成为平稳的信号;
本实施例中,具体需要说明的是短时分析模块,所述短时分析模块是音频信号分析和处理过程中的关键,音频信号本身和表征其本质的特征参数都是随时间变化的,属于非平稳信号,将音频信号切分为一系列小段进行分析和提取特征参数,每一小段为一帧,长度称为帧长,整段音频信号的特征参数是由每一帧特征参数组成特征参数时间序列所构成的,音频交叠分段之后后一帧的起始部分和前一帧的末尾部分相同,交叠部分平缓过渡了帧之间的差距,连续性更好。
102、使分帧后的信号变得连续,减少与原始信号的误差;
103、将音频信号分成不同分辨率的分量缩小分析范围,提取不同分辨率的信号分量;
本实施例中,具体需要说明的是频域分析模块,所述频域分析模块是音频分析的重要内容,频域分析的主要依据是频率响应特性曲线图,频率响应曲线图反映了音频设备在整个音频范围内的频率响应的分布情况,曲线峰值处的频率成分,回放声压大、声压强,曲线谷底处频率成分声压小、声音弱,信号的频率分析方法包括频谱、能量谱、功率谱,倒频谱以及小波分析,频谱是将信号做傅里叶变换,通过傅里叶变换及其反变换,能够得到信号的傅里叶频谱、功率谱、倒频谱,频谱也是随时间变化的,需要采用短时分析技术,短时傅里叶变换定义为:
实际计算中,先把 ·/>看成一个周期,先进行周期性扩展后,对它作离散傅里叶变换,其中/>为信号经过中心频率得到的响应,/>表示音频信号经过处理后的函数,当窗函数的长度为N时,/> ·/>的长度也为N,/>(k)的长度为2N,对信号/>的短时自相关函数作傅里叶变换,对短时傅里叶变换所得频谱幅度作平方运算,就能够得到短时功率谱,/>为自相关函数,描述随机信号一个时刻与另一个时刻的依赖关系以及两个随机变量的相关性,/>为输入序列,/>代表音频信号的阻抗,其中代表的是音频的短时功率谱:
所述能量谱也叫能量谱密度,能量谱密度描述了信号以及时间序列的能量如何随频率分布,能量谱是原先傅里叶变换的平方,所述功率谱是功率谱密度函数的简称,它定义为单位频带内的信号功率,根据维纳辛钦定理证明一段信号的功率谱等于这段信号自相关函数的傅里叶变换,功率谱密度从物理意义上来讲就是单位频率内的信号能量,因为在时域中功率=功/时间,那么在频域功率=功/频率,功率谱密度曲线下面的面积就是这个信号的总能量,而信号的总能量是对所有幅值求平方和,所述倒频谱是一种基于频率定义的非线性刻度单位,表示人耳对音高变化的感官,能够将线性频率刻度赫兹换算为梅尔刻度,一个常用的公式是,其中m为梅尔频率,f为赫兹表示频度,当频率较小时梅尔频率随赫兹的变化快,频率大时梅尔频率上升缓慢:
所述倒频谱方便提取分析频谱图上的周期性信号,能将频谱图上成簇的边频带谱线简化为单根谱线,所述小波分析在低频部分采用较低的时间分辨率,提高频率分辨率;在高频部分,采用较低的频率分辨率来换取精确的时间定位,小波变换的实质是将信号在一个时域和频域上均具有局部化性质的平移伸缩小波权函数进行卷积,从而将信号分解成位于不同时间和频率上的各个成份。
104、同时描述信号在不同时间和频率的能量密度以及强度,利用时频分布分析音频信号能够得到各个时刻的瞬时频率以及幅值;
本实施例中具体需要说明的是时频分析模块,所述时频分析模块描述了音频设备在时间轴上随事件的变化它的频域特性变化的情况,时频特性在频率的变化过程中描述了音频设备的响应状态,在事件的变化过程中描述了音频设备的响应状态,其表达式为:
常用的一个平滑函数是高斯核:
其中为信号的魏格纳威利分布,/>是对信号进行截断得到的,/>表示的是多分量信号中分量之间的交叉项,信号中的分量成分越多,交叉项越多,/>中dx是关于x的微分,在一个含x的式子中对x求导,dy是关于y的微分,/>为窗口函数,/>函数是声波经过移位和伸缩后产生的,d/>du代表的是时延因子,t代表时间,u代表声速,s代表t时间内信号传播的距离,/>是倒频谱,/>代表采样周期内的音频信号,/>代表时间轴采样时间内的功率谱。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种耳机音频信号的分析与处理系统,其特征在于:包括短时分析模块、加窗模块、频域分析模块和时频分析模块,所述短时分析模块用于对音频信号进行分帧,使一段音频信号成为平稳的信号,所述加窗模块使分帧后的信号变得连续,减少与原始信号的误差,所述频域分析模块通过将音频信号分成不同分辨率的分量缩小分析范围,提取不同分辨率的信号分量相当于分解数据在不同时间尺度上的变化,在不同频带上进行分析,所述时频分析模块同时分析信号在不同时间和频率的能量密度以及强度,时间和频率的联合函数称为时频分布,利用时频分布分析音频信号能够得到各个时刻的瞬时频率以及幅值;
2.根据权利要求1所述的一种耳机音频信号的分析与处理系统,其特征在于:所述短时分析模块将音频信号切分为一系列小段进行分析和提取特征参数,每一小段为一帧,长度称为帧长,整段音频信号的特征参数是由每一帧特征参数组成特征参数时间序列所构成的,音频交叠分段之后后一帧的起始部分和前一帧的末尾部分吻合,交叠部分平缓过渡了帧之间的差距,连续性更好。
4.根据权利要求1所述的一种耳机音频信号的分析与处理系统,其特征在于:所述频域分析模块是音频分析的重要内容,频域分析的主要依据是频率响应特性曲线图,频率响应曲线图反映了音频设备在整个音频范围内的频率响应的分布情况,曲线峰值处的频率成分,回放声压大、声压强,曲线谷底处频率成分声压小、声音弱,信号的频率分析方法包括频谱、能量谱、功率谱,倒频谱以及小波分析,频谱是将信号做傅里叶变换,通过傅里叶变换及其反变换,能够得到信号的傅里叶频谱、功率谱、倒频谱,频谱也是随时间变化的,需要采用短时分析技术,短时傅里叶变换定义为:
5.根据权利要求4所述的一种耳机音频信号的分析与处理系统,其特征在于:所述频域分析模块当窗函数的长度为N时,的长度也为N,Rn(k)的长度为2N,对信号的短时自相关函数作傅里叶变换,对短时傅里叶变换所得频谱幅度作平方运算,就能够得到短时功率谱,Rn(k)为自相关函数,描述随机信号一个时刻与另一个时刻的依赖关系以及两个随机变量的相关性,/>为输入序列,其中/>代表的是音频的短时功率谱:
所述能量谱也叫能量谱密度,能量谱密度描述了信号以及时间序列的能量如何随频率分布,能量谱是原先傅里叶变换的平方,所述功率谱是功率谱密度函数的简称,它定义为单位频带内的信号功率,根据维纳辛钦定理证明一段信号的功率谱等于这段信号自相关函数的傅里叶变换,功率谱密度从物理意义上来讲就是单位频率内的信号能量,因为在时域中功率=功/时间,那么在频域功率=功/频率,功率谱密度曲线下面的面积就是这个信号的总能量,而信号的总能量是对所有幅值求平方和,所述倒频谱是一种基于频率定义的非线性刻度单位,表示人耳对音高变化的感官,能够将线性频率刻度赫兹换算为梅尔刻度,一个常用的公式是,其中m为梅尔频率,f为赫兹表示频度,当频率小时梅尔频率随赫兹的变化快,频率大时梅尔频率上升缓慢。
6.根据权利要求4所述的一种耳机音频信号的分析与处理系统,其特征在于:所述倒频谱方便提取分析频谱图上的周期性信号,能将频谱图上成簇的边频带谱线简化为单根谱线,所述小波分析在低频部分采用较低的时间分辨率,提高频率分辨率;在高频部分,采用较低的频率分辨率来换取精确的时间定位,小波变换的实质是将信号在一个时域和频域上均具有局部化性质的平移伸缩小波权函数进行卷积,从而将信号分解成位于不同时间和频率上的各个成份。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211688000.6A CN115691537B (zh) | 2022-12-28 | 2022-12-28 | 一种耳机音频信号的分析与处理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211688000.6A CN115691537B (zh) | 2022-12-28 | 2022-12-28 | 一种耳机音频信号的分析与处理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115691537A CN115691537A (zh) | 2023-02-03 |
CN115691537B true CN115691537B (zh) | 2023-06-23 |
Family
ID=85056670
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211688000.6A Active CN115691537B (zh) | 2022-12-28 | 2022-12-28 | 一种耳机音频信号的分析与处理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115691537B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102342858A (zh) * | 2010-08-06 | 2012-02-08 | 上海中医药大学 | 中医声诊采集与分析系统 |
WO2015111084A2 (en) * | 2014-01-27 | 2015-07-30 | Indian Institute Of Technology Bombay | Dynamic range compression with low distortion for use in hearing aids and audio systems |
CN105931649A (zh) * | 2016-03-31 | 2016-09-07 | 欧仕达听力科技(厦门)有限公司 | 基于频谱分析的超低时延音频处理方法与系统 |
CN109036458A (zh) * | 2018-08-22 | 2018-12-18 | 昆明理工大学 | 一种基于音频特征参数的多语种场景分析方法 |
CN112710486B (zh) * | 2019-10-24 | 2022-01-25 | 广东美的白色家电技术创新中心有限公司 | 设备故障检测方法、设备故障检测装置及计算机存储介质 |
-
2022
- 2022-12-28 CN CN202211688000.6A patent/CN115691537B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115691537A (zh) | 2023-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8160732B2 (en) | Noise suppressing method and noise suppressing apparatus | |
EP1772713A1 (en) | Impulse-responsive measurement method and device | |
Sharma et al. | An empirical wavelet transform-based approach for cross-terms-free Wigner–Ville distribution | |
CN110808057A (zh) | 一种基于约束朴素生成对抗网络的语音增强方法 | |
Wang et al. | Denoising speech based on deep learning and wavelet decomposition | |
CN105679321B (zh) | 语音识别方法、装置及终端 | |
CN110687595B (zh) | 一种基于时间重采样和同步挤压变换的地震数据处理方法 | |
CN101131819A (zh) | 噪声除去装置、方法以及程序 | |
CN113281809B (zh) | 一种地震信号的谱分析方法 | |
CN115691537B (zh) | 一种耳机音频信号的分析与处理系统 | |
Ashraf et al. | Ambient-noise free generation of clean underwater ship engine audios from hydrophones using generative adversarial networks | |
Bahadur et al. | Performance measurement of a hybrid speech enhancement technique | |
Rao et al. | Speech enhancement using sub-band cross-correlation compensated Wiener filter combined with harmonic regeneration | |
Razzaq et al. | Instantaneous Frequency Estimation for Frequency-Modulated Signals under Gaussian and Symmetric α-Stable Noise | |
WO2022078164A1 (zh) | 一种音质评估方法、装置和设备 | |
Hamid et al. | Single Channel Speech Enhancement Using Adaptive Soft‐Thresholding with Bivariate EMD | |
CN106997766B (zh) | 一种基于宽带噪声的同态滤波语音增强方法 | |
Faisal et al. | Suppression of false-terms in wigner-ville distribution using time and frequency windowing | |
Singh et al. | A wavelet based method for removal of highly non-stationary noises from single-channel hindi speech patterns of low input SNR | |
Kumar et al. | Noise Reduction Algorithm for Speech Enhancement | |
Singh et al. | Binary mask based method for enhancement of mixed noise speech of low SNR input | |
CN110610724A (zh) | 基于非均匀子带分离方差的语音端点检测方法及装置 | |
Weiqing et al. | Research on Speech Enhancement Algorithm Based on EMD in Noisy Environments | |
Sudheer Kumar et al. | Noise Reduction in Audio File Using Spectral Gatting and FFT by Python Modules | |
MILIVOJEVIC et al. | Optimization Parameter of the 1P Keys Interpolation Kernel Implemented in the Correlation Algorithm for Estimating the Fundamental Frequency of the Speech Signal |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |