晋中市住房与城乡建设厅网站,注册百度账号,cnn头条新闻,如何给公司网站做推广webrtc中降噪中#xff0c;前50帧需要进行简单噪声估计#xff0c;使用白噪声和粉红噪声模型估算。
首先我们 复习 有色噪声#xff08;包含白噪声#xff09;的一般模型#xff1a; S(f) 是频率 f 处的功率谱密度。f是频率。α 是一个频谱指数#xff0c;通常在1左右。…webrtc中降噪中前50帧需要进行简单噪声估计使用白噪声和粉红噪声模型估算。
首先我们 复习 有色噪声包含白噪声的一般模型 S(f) 是频率 f 处的功率谱密度。f是频率。α 是一个频谱指数通常在1左右。
写成一般形式是 log(S) - alpha* log (f) log(C)
这两个参数是我们需要估算的 alpha 是零的时候退化成白噪声
再看下面的webrtc 源代码 ns_core.c 源代码中的 parametricNoise parametric_num / i ^ parametric_exp
其实就是 S C / f ^alpha , 其中f 和i 有个比率关系 f i * fs/N , 常数比例你可以认为估算的时候全部塞到 C里面了
下面我们开始估算 self-pinkNoiseNumerator 和 self-pinkNoiseExp
需要用到的有sum_log_i 和 sum_log_magn 这几个表达式比较难看我们还是用x和y来表示
x log(i) , y log(magn)
现在得到了一组 y 和 x 的关系 上面说到了 log(magn) 和 log(i) 是线性关系
也就是 y k * x b, 要估算 k斜率 和 b截距
立刻用 GPT 调出来 一元线性回归的 方程 参数估计 现在计算beta0也就是截距把beta1带入到上面得到 原来的分母是n
好了现在总结如下
斜率 截距 现在带着你手拉手的和代码对齐 这个用在分母上所有有个相反数
一句话总结原来使用了线性回归最小二乘来拟合参数啊
粉红噪声的意义更大因为笔者认为大多数场合下不会刚好满足白噪声的条件 所以大多数是按照下面那个分支来的 更通用包含白噪声的情况
另外再补充一下一般有色噪声的介绍
2.5: Noise Modeling - White, Pink, and Brown Noise, Pops and Crackles - Engineering LibreTexts 白噪声本模型能搞定OK 粉红 恰好是 1/f 的狭义or严格的粉红是正比 1/f 系数是1
褐噪 看到了么beta2 是 褐噪也是可以handle的
下面是蓝噪 蓝色噪声beta 是负数其实我们也可以满足对吗
下面是紫噪 紫色噪声也是可以满足的对吗
哇我们分析了几乎所有的color noise模型都是可以满足的那么其实 webrtc种的pinknoise 参数估计应该叫color noise 估计对吗 评论区留下你的观点。
红粉红白褐色蓝色紫色 2 1 0 2 -1 -2
