04 2016 档案

LMS、NLMS最优步长理论分析与Speex回声消除可能的改进想法
摘要:一、回声消除算法模型 先来分析下自适应回声消除的主要组成部分,大体上可以把回声消除模型分为两个部分 横向滤波器用脉冲响应w(n)【有的地方也称为回声路径】与远端说话者信号u(n)卷积得到回声估计,并用y(n)表示该估计。麦克风输出信号做为期望响应d(n),从期望响应d(n)中减去滤波器的”合成回声” 阅读全文

posted @ 2016-04-25 08:08 爱酷媒 阅读(5451) 评论(2) 推荐(0)

线性预测与Levinson-Durbin算法实现
摘要:在学习信号处理的时候,线性预测是一个比较难理解的知识点,为了加快很多朋友的理解,这里给出Levinson-Durbin算法的线性预测实现和一个测试Demo,Demo中很明确的把输入信号、预测信号、预测误差打印了出来,这样就能以最直观的方式,把线性预测的实现与作用展示出来。话不多说,直接上代码! 阅读全文

posted @ 2016-04-16 18:39 爱酷媒 阅读(2696) 评论(0) 推荐(0)

Speex回声消除原理深度解析
摘要:这里假设读者具有自适应滤波器的基础知识。Speex的AEC是以NLMS为基础,用MDF频域实现,最终推导出最优步长估计:残余回声与误差之比。最优步长等于残余回声方差与误差信号方差之比,这个结论可以记下,下面会用到的。 对于长度为N的NLMS滤波器,误差信号定义为期望信号与估计信号之差,表示如下: \ 阅读全文

posted @ 2016-04-16 18:26 爱酷媒 阅读(15413) 评论(0) 推荐(0)