Czy ktoś zna filtr tłumiący brak mowy? Piszę oprogramowanie do rozpoznawania mowy i chciałbym odfiltrować wszystko oprócz ludzkiej mowy. Obejmuje to hałas w tle, hałas wytwarzany przez kiepski mikrofon, a nawet muzykę w tle. Zaimplementowałem już filtr pierwszego rzędu, który kompensuje zsuwanie...
Szukając odpowiedzi na ten problem, znalazłem tę tablicę, więc postanowiłem opublikować moje pytanie z przepełnienia stosu. Poszukuję metody określania podobieństwa między segmentem audio a głosem ludzkim, który jest wyrażany liczbowo. Sporo szukałem, ale to, co do tej pory znalazłem...
Rozważ 4 następujące sygnały kształtu fali: signal1 = [4.1880 11.5270 55.8612 110.6730 146.2967 145.4113 104.1815 60.1679 14.3949 -53.7558 -72.6384 -88.0250 -98.4607] signal2 = [ -39.6966 44.8127 95.0896 145.4097 144.5878 95.5007 61.0545 47.2886 28.1277 -40.9720 -53.6246 -63.4821 -72.3029...
to pytanie interesuje mnie od dłuższego czasu, głównie dlatego, że sam pracuję nad redukcją szumów dla istniejącego systemu rozpoznawania mowy. Większość artykułów na temat technik redukcji hałasu wydaje się koncentrować na tym, jak uczynić mowę bardziej zrozumiałą dla ludzi lub jak poprawić...
Mój problem polega na tym, że nie znam energii szumu tła, więc nie mogę po prostu przekroczyć energii. Przetwarzanie odbywa się w czasie rzeczywistym, a ja mam około 500 ms do podjęcia decyzji. Idealnie chciałbym, aby ciche spółgłoski uważane były za brak
Próbuję użyć transformacji Hougha do wykrywania krawędzi i chciałbym wykorzystać obrazy gradientowe jako podstawę. Co zrobiłem do tej pory, ze względu na obraz Iwielkości [M,N]i jej pochodnych cząstkowych gx, gyjest obliczenie kąta gradientu w każdym pikselu jako thetas = atan(gy(x,y) ./ gx....