加速维纳滤波器
fast-norbert的Python项目详细描述
诺伯特法斯特
Fast Norbert是https://github.com/sigsep/norbert的优化分叉。在
性能
这是过滤过程对单个核心的时间（以秒为单位）：
| Test case | Original Norbert | Fast Norbert |
|---|---|---|
| song 1 | 19.3 | 7.5 |
| song 2 | 27.5 | 10.9 |
诺伯特滤波器
维纳滤波器是一种非常流行的多声道音频滤波方法，在语音增强和声源分离等领域有着广泛的应用。在
此过滤方法假设您有某种方法来估计组成混合物的所有音频源（非负）的功率或幅度谱图。如果您只有一些target源的模型，而没有其他源的模型，那么可以使用fast_norbert.residual_model让Norbert为您创建一个残差模型。在
给定所有的源谱图和混合时频表示，此存储库可以通过优化利用多通道信息（如立体声信号）来构建和应用适合分离的滤波器。这是在一个称为Expectation Maximization的迭代过程中完成的，在该过程中，参数的过滤和重新估计被迭代。在
从初学者的角度来看，你所需要做的就是经常调用fast_norbert.wiener和你的光谱图估计值。剩下的就交给你了。在
从更专业的角度来看，您将发现EM算法中的不同成分作为模块fast_norbert.norbert中的函数。在
安装
pip install fast_norbert
使用
假设复杂的谱图X，以及从谱图中提取的目标的（幅度）估计，执行多通道维纳滤波器如下所示：
importfast_norbertx=stft(audio)v=model(x)y=fast_norbert.wiener(v,x)estimate=istft(y)
作者
Artyom Palvelev（本次回购） Antoine Liutkus，Fabian Robert Stöter（原始回购）
许可证
麻省理工学院
- 项目
标签：
欢迎加入QQ群-->： 979659372
