资源简介
结合广义旁瓣滤波(GSC)和理想二值掩蔽(IBM)的麦克风阵列语音增强算法
代码片段和文件信息
function a = cochleagram(r winLength)
% Generate a cochleagram from responses of a Gammatone filterbank.
% It gives the log energy of T-F units
% The first variable is required.
% winLength: window (frame) length in samples
% Written by ZZ Jin and adapted by DLW in Jan‘07
if nargin < 2
winLength = 320; % default window length in sample points which is 20 ms for 16 KHz sampling frequency
end
[numChansigLength] = size(r); % number of channels and input signal length
winShift = winLength/2; % frame shift (default is half frame)
increment = winLength/winShift; % special treatment for first increment-1 frames
M = floor(sigLength/winShift); % number of time frames
% calculate energy for each frame in each channel
a = zeros(numChanM);
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
文件 225964 2016-04-29 18:33 IBM_GSC\42.wav
文件 1173 2011-07-11 23:12 IBM_GSC\cochleagram.m
文件 1145 2011-07-11 23:12 IBM_GSC\cochplot.m
文件 1499 2016-04-26 08:28 IBM_GSC\conv_ovladd1.m
文件 626 2016-04-27 10:45 IBM_GSC\demo.m
文件 784 2013-10-24 10:21 IBM_GSC\enfr
文件 263 2011-07-11 23:12 IBM_GSC\erb2hz.m
文件 1280 2009-03-25 05:35 IBM_GSC\f_af_bf_cf.mat
文件 1600 2016-04-13 10:00 IBM_GSC\gammatone.m
文件 855 2016-05-04 10:18 IBM_GSC\GSC.m
文件 113004 2016-05-04 10:18 IBM_GSC\gscout.wav
文件 268 2011-07-11 23:12 IBM_GSC\hz2erb.m
文件 1741 2016-04-30 07:35 IBM_GSC\ibm.m
文件 113004 2016-05-04 10:18 IBM_GSC\IBM.wav
文件 726 2016-05-04 10:18 IBM_GSC\IBMdemo1.m
文件 1164 2011-07-11 23:13 IBM_GSC\loudness.m
文件 90368 2016-05-04 10:18 IBM_GSC\mask.out
文件 1681 2011-07-11 23:13 IBM_GSC\meddis.m
文件 229 2016-04-29 18:13 IBM_GSC\myibm.m
文件 113004 2016-04-29 18:35 IBM_GSC\noise.wav
文件 2433 2013-10-30 00:22 IBM_GSC\OverlapAdd2.m
文件 2402 2013-05-26 12:47 IBM_GSC\SegSNR.m
文件 3265 2016-04-14 15:06 IBM_GSC\synthesis.m
文件 113004 2016-05-04 10:18 IBM_GSC\test1.wav
文件 6986 2011-10-10 11:24 IBM_GSC\vec2fr
目录 0 2016-05-19 16:23 IBM_GSC
----------- --------- ---------- ----- ----
798468 26
- 上一篇:ARMA建模的风速预测
- 下一篇:CoprimeDOA 互质doa算法
评论
共有 条评论