双信号转换LSTM网络
Tensorflow 2.x实施的堆叠式双信号转换LSTM网络（DTLN）用于实时噪声抑制。
该存储库提供了用于在python中训练，推断和服务DTLN模型的代码。 它还提供了SavedModel，TF-lite和ONNX格式的预训练模型，可用作您自己的项目的基准。 该模型能够在RaspberryPi上运行实时音频。
如果您正在使用此仓库做一些有趣的事情，请告诉我。 我总是对您使用此代码或该模型所做的事情感到好奇。
DTLN模型已提交给深度噪声抑制挑战（ ），并在INTERSPEech 2020上发表。
这种方法在少于一百万个参数的堆叠网络方法中结合了短时傅立
2021-11-15 17:08:30
29.86MB
1
针对基于深度学习的语音信号去噪方法存在难于收敛、性能不足的问题，本文提出了基于环状生成对抗网络的深度语音信号去噪方法，设计了新型的环状生成对抗语义去噪网络。通过40余种不同噪声语音集的试验，结果表明所提方法在5种衡量标准下都明显改善了去噪性能。
2021-11-15 16:47:44
1.57MB
1
抖音MATLAB代码自由的
语音信号的免费降噪
该库提供了语音信号降噪的能力。
它已被实现以一种方式抑制噪声语音信号系统（即没有噪声信号参考源的系统）。
它对于在嘈杂环境中工作且具有单个麦克风的电话终端可能很有用。
注意：此噪声抑制器仅适用于语音信号。
free-nross
包括
C
和
MATLAB/Octave/FreeMat
代码源。
(c)
谢尔盖·马什金，2015
2021-09-16 08:56:52
10.45MB
1
代码中用到了nextpow2，其中n = nextpow2(x) 表示最接近x的2的n次幂。
#!/usr/bin/env python
import numpy as np
import wave
import nextpow2
import math
# 打开WAV文档
f = wave.open("filename.wav")
# 读取格式信息
# (nchannels, sampwidth, framerate, nframes, comptype, compname)
params = f.getparams()
nchannels, sampwidth, framerate, n
2021-08-27 09:43:09
43KB
1
0引言在实际环境中，语音信号在声电转换时不可避免地要受到周围环境的影响，高背景噪声会严重地影响语音信号质量。语音通信系统中的一个重要工作就是从带噪语音信号中提取纯净的原始语音、抑制背景噪声。各种
2021-07-31 23:57:05
425KB
1
针对语音通信中不可避免要受到各种噪声的影响,致使通信质量下降的问题,采用DSPTMS320C5509和语音采集芯片TLV320AIC23搭建了语音降噪系统,实现了基于谱相减技术的实时系统来消除环境噪声。通过DSP开发板对信号进行采集与降噪实验,结果表明该系统具有较好的降噪效果,能有效地提高系统的信噪比。
2021-06-22 13:01:03
81KB
1