【文件属性】：
文件名称：nara_wpe:语音去混响的“加权预测误差”的不同实现
文件大小：1.3MB
文件格式：ZIP
更新时间：2021-05-10 23:27:31
audio signal-processing enhancement audio-processing dereverberation
nara_wpe
语音混响的加权预测误差
由外壳中的反射引起的背景噪声和信号混响是声信号处理和远场语音识别中的两个主要障碍。 这项工作解决了基于WPE的信号去混响技术，用于语音识别和其他远场应用。 WPE是一种令人信服的算法，它可以基于长期线性预测来盲目地消除声学信号。
主要算法基于以下论文：吉冈，拓，和中谷智宏。 “用于盲MIMO脉冲响应缩短的多通道线性预测方法的推广。” IEEE音频，语音和语言处理交易20.10（2012）：2707-2720。
内容
迭代脱机WPE /块在线WPE /递归帧在线WPE
所有的算法都在Numpy和TensorFlow中实现（适用于1.12.0版）。
经过Python 2.7、3.5和3.6的持续测试。
自动生成的文档：
模块化设计，方便进行更改以进行进一步的研究
安装
如果您只想使用它，请直接通过Pip安装它：
pip install na
【文件预览】：
nara_wpe-master
----.travis.yml(252B)
----README.rst(4KB)
----docs()
--------nara_wpe.wpe.rst(120B)
--------conf.py(9KB)
--------nara_wpe.utils.rst(126B)
--------make.bat(7KB)
--------nara_wpe.benchmark_online_wpe.rst(175B)
--------nara_wpe.gradient_overrides.rst(167B)
--------nara_wpe.tf_wpe.rst(131B)
--------make_apidoc.sh(58B)
--------modules.rst(41B)
--------nara_wpe.rst(330B)
--------Makefile(7KB)
--------nara_wpe.test_utils.rst(143B)
--------index.rst(479B)
----.pylintrc(552B)
----maintenance.org(822B)
----data()
--------AMI_WSJ20-Array1-1_T10c0201.wav(249KB)
--------AMI_WSJ20-Array1-7_T10c0201.wav(249KB)
--------AMI_WSJ20-Array1-6_T10c0201.wav(249KB)
--------AMI_WSJ20-Array1-3_T10c0201.wav(249KB)
--------AMI_WSJ20-Array1-4_T10c0201.wav(249KB)
--------AMI_WSJ20-Array1-2_T10c0201.wav(249KB)
--------AMI_WSJ20-Array1-5_T10c0201.wav(249KB)
--------AMI_WSJ20-Array1-8_T10c0201.wav(249KB)
----tests()
--------test_tf_wpe.py(9KB)
--------test_notebooks.py(2KB)
--------test_wpe.py(10KB)
----LICENSE(1KB)
----examples()
--------NTT_wrapper_offline.ipynb(4KB)
--------WPE_Numpy_offline.ipynb(5KB)
--------WPE_Tensorflow_offline.ipynb(5KB)
--------WPE_Numpy_online.ipynb(6KB)
--------examples.rst(634B)
--------WPE_Tensorflow_online.ipynb(6KB)
----setup.py(4KB)
----.gitignore(100B)
----nara_wpe()
--------test_utils.py(3KB)
--------ntt_wpe.py(6KB)
--------tf_wpe.py(26KB)
--------utils.py(16KB)
--------wpe.py(50KB)
--------benchmark_online_wpe.py(2KB)
--------__init__.py(225B)
--------torch_wpe.py(11KB)