摘要:jQuery是JS的工具库,对原生JS中的DOM操作、事件处理、包括数据处理和Ajax技术等进行封装,使用 . 链式写法,提供更完善,更便捷的方法。 再使用jquery之前,我们需要先引入jquery文件,才能使用jquery语法,导入jQ文件的方法有两种。 从 jquery.com 下载 jQue 阅读全文
posted @ 2020-02-20 11:43 凌逆战 阅读 (208) 评论 (2)
摘要:博客作者:凌逆战 论文地址:http://ieeexplore.ieee.xilesou.top/abstract/document/8683611/ 地址:http://drugjail.com/LXP-Never/p/10714401.html 利用条件变分自动编码器进行人工带宽扩展的 阅读全文
posted @ 2020-02-19 21:37 凌逆战 阅读 (91) 评论 (0)
摘要:博客作者:凌逆战 论文地址:http://ieeexplore.ieee.org/document/8682215 博客地址:http://drugjail.com/LXP-Never/p/10874993.html 论文作者:Sefik Emre Eskimez , Kazuhito K 阅读全文
posted @ 2020-02-19 10:35 凌逆战 阅读 (110) 评论 (0)
摘要:作者:凌贤鹏 地址:http://drugjail.com/LXP-Never/p/11235848.html CSS全称为层叠样式表(Cascading Style Sheets),与HTML相辅相成,CSS负责实现网页的排版布局与样式美化,使用CSS样式建议在当前文件夹下创建一个CSS文 阅读全文
posted @ 2020-02-18 22:01 凌逆战 阅读 (110) 评论 (0)
摘要:作为损失函数 L1范数损失函数 L1范数损失函数,也被称之为最小绝对值误差。总的来说,它把目标值$Y_i$与估计值$f(x_i)$的绝对差值的总和最小化。 $$S=\sum_{i=1}^n|Y_i-f(x_i)|$$ L2范数损失函数 L2范数损失函数,也被称为最小平方误差,总的来说,它把目标值$Y 阅读全文
posted @ 2020-01-29 15:16 凌逆战 阅读 (139) 评论 (0)
摘要:作者:凌逆战 地址:http://drugjail.com/LXP-Never/p/12071748.html 题目:带后置滤波的双通道广义旁瓣相消器(GSC)的分析 作者:Israel Cohen, Senior Member, IEEE 摘要 本文分析了非平稳噪声环境下带有后置滤波的双通 阅读全文
posted @ 2020-01-02 13:59 凌逆战 阅读 (111) 评论 (0)
摘要:利用WAVENET扩展语音带宽 作者:Archit Gupta, Brendan Shillingford, Yannis Assael, Thomas C. Walters 博客地址:http://drugjail.com/LXP-Never/p/12090929.html 博客作者:凌逆 阅读全文
posted @ 2019-12-26 11:43 凌逆战 阅读 (84) 评论 (0)
摘要:自适应滤波是数字信号处理的核心技术之一,在科学和工业上有着广泛的应用领域。自适应滤波技术应用广泛,包括回波抵消、自适应均衡、自适应噪声抵消和自适应波束形成。回声对消是当今通信系统中普遍存在的现象。声回波引起的信号干扰会分散用户的注意力,降低通信质量。本文重点介绍了LMS和NLMS算法的使用,以减少这 阅读全文
posted @ 2019-11-20 21:26 凌逆战 阅读 (434) 评论 (5)
摘要:作者:凌逆战 地址:http://drugjail.com/LXP-Never/p/11607551.html 电脑主要配件:主板、CPU、显卡、显示器、电源、机箱、内存条、硬盘。CPU、显卡、内存条、硬盘是插在主板上的,电源用来给主板上的部件进行供电,CPU,主板,显卡,内存条、硬盘、电源 阅读全文
posted @ 2019-11-15 11:00 凌逆战 阅读 (4945) 评论 (58)
摘要:回声消除应用平台 基于DSP等平台的回声消除技术 基于windows等非实时平台的回声消除技术 基于DSP平台的回声消除技术 回音抵消的核心就是一个采用自适应算法的滤波器,虽然以前自适应信号理论发展迅速,但由于受到硬件的限制而难以实现,一直到上世纪70年代末80年代初,随着世界上第一片单片可编程DS 阅读全文
posted @ 2019-11-13 15:42 凌逆战 阅读 (98) 评论 (0)
摘要:作者:凌逆战时间:2019年11月1日博客园地址:http://drugjail.com/LXP-Never/p/11415137.html OpenCV基础 OpenCV是一个开源的计算机视觉库。提供了很多图像处理常用的工具 批注:本文所有图片数据都在我的GitHub仓库 读取图片并显示 阅读全文
posted @ 2019-11-10 16:24 凌逆战 阅读 (341) 评论 (3)
摘要:作者:凌逆战时间:2019年11月1日博客园地址:http://drugjail.com/LXP-Never/p/11773190.html 自适应回声消除原理 声学回声是指扬声器播出的声音在接受者听到的同时,也通过多种路径被麦克风拾取到。多路径反射的结果产生了不同延时的回声,包括直接回声和 阅读全文
posted @ 2019-11-01 21:50 凌逆战 阅读 (332) 评论 (0)
摘要:作者:凌逆战 时间:2019-11-01 文章地址:http://drugjail.com/LXP-Never/p/11775413.html 扬声器摆放葡京在线网投 恩智浦公司 参考网站:http://www.nxp.com.cn 恩智浦半导体公司宣布推出了一款回声消除及降噪葡京在线网投,该解决 阅读全文
posted @ 2019-11-01 21:41 凌逆战 阅读 (423) 评论 (0)
摘要:作者:凌逆战博客园地址:http://drugjail.com/LXP-Never/p/11773190.html 想要降低汽车噪声,就要了解汽车室内噪声环境, 汽车噪声系统框图 外部激励:风噪、路噪以及环境噪声等激励噪声 内部激励:悬架系统、变速箱系统、发动机等系统在行车时造成的 振动激励 阅读全文
posted @ 2019-11-01 11:54 凌逆战 阅读 (342) 评论 (0)
摘要:自然语言处理,通常简称为NLP,是人工智能的一个分支,处理使用自然语言的计算机与人之间的交互。NLP的最终目标是以有价值的方式阅读,解读,理解和理解人类语言。大多数NLP技术都依靠机器学习来从人类语言中获取含义。 Siri的工作流程: 听 懂 思考 组织语言 回答 其中分别涉及的技术: 语音识别 自 阅读全文
posted @ 2019-10-27 10:48 凌逆战 阅读 (301) 评论 (0)
摘要:面向对象 对象:是指现实中的物体实体化,对象有很过属性(名字、年龄..),也有很多行为(学习、吃饭..),实例即对象。对象同时也是通过类定义的数据结构实例,对象包括两个数据成员(类变量和实例变量)和方法。对象可以包含任意数量和类型的数据。 实例化:创建一个类的实例,类的具体对象化,实例就是类的实例化 阅读全文
posted @ 2019-10-24 21:35 凌逆战 阅读 (216) 评论 (0)
摘要:speaker recognition from raw waveform with SincNet Mirco Ravanelli, Yoshua Bengio 作为一种可行的替代i-vector的说话人识别方法,深度学习正日益受到欢迎。利用卷积神经网络(CNNs)直接对原始语音样本进行处理,取得 阅读全文
posted @ 2019-10-24 09:50 凌逆战 阅读 (178) 评论 (0)
摘要:前言 语言是一种复杂的自然习得的人类运动能力。成人的特点是通过大约100块肌肉的协调运动,每秒发出14种不同的声音。说话人识别是指软件或硬件接收语音信号,识别语音信号中出现的说话人,然后识别说话人的能力。特征提取是通过将语音波形以相对最小的数据速率转换为参数表示形式进行后续处理和分析来实现的。因此, 阅读全文
posted @ 2019-10-23 11:37 凌逆战 阅读 (482) 评论 (0)
摘要:文章作者:凌逆战 文章地址:http://drugjail.com/LXP-Never/p/11703440.html 回声就是声音信号经过一系列反射之后,又听到了自己讲话的声音,这就是回声。一些回声是必要的,比如剧院里的音乐回声以及延迟时间较短的房间回声;而大多数回声会造成负面影响,比如在 阅读全文
posted @ 2019-10-19 20:16 凌逆战 阅读 (1547) 评论 (1)
摘要:智能耳机 人机交互 智能音箱 智能听力器 动圈喇叭 DLC 石墨烯 陶瓷单位 吸音材料 阵列式麦克风 声纹传感器 降噪算法 智能听力保护 ANC ANC 降低噪音通常所采用的三种降噪措施,即在声源处降噪、在传播过程中降噪及在人耳处降噪,都是被动的。为了主动地消除噪声,人们发明了“有源消声”这一技术。 阅读全文
posted @ 2019-10-18 20:16 凌逆战 阅读 (830) 评论 (0)
摘要:根据系统是否有参考信号传感器可将ANC系统大致的分为前馈型和反馈型。 前馈控制是产生次级噪声之前就通过传感器测量初级噪声的频率以获取参考信号。 反馈控制不需要测得参考信号就产生次级噪声进行相消干涉 反馈型ANC系统 反馈型 ANC 系统中没有传感器来测得参考输入信号,仅通过误差传感器获取经相消干涉后 阅读全文
posted @ 2019-10-18 10:14 凌逆战 阅读 (1117) 评论 (2)
摘要:ASEGAN:WGAN音频超分辨率 这篇文章并不具有权威性,因为没有发表,说不定是外国的某个大学的毕业设计,或者课程结束后的作业、或者实验报告。 CS230: Deep Learning, Spring 2018, Stanford University, CA. (LateX template b 阅读全文
posted @ 2019-10-16 11:39 凌逆战 阅读 (88) 评论 (0)
摘要:题名:一种用于语音带宽扩展的深度神经网络方法 作者:Kehuang Li;Chin-Hui Lee 2015年出来的 摘要 本文提出了一种基于深度神经网络(DNN)的语音带宽扩展(BWE)方法。利用对数谱功率作为输入输出特征进行所需的非线性变换,训练神经网络来实现这种高维映射函数。在10小时的大型测 阅读全文
posted @ 2019-10-16 09:54 凌逆战 阅读 (82) 评论 (0)
摘要:Markdown是一种纯文本格式的标记语言。通过简单的标记语法,它可以使普通文本内容具有一定的格式,是深受技术人员喜爱的文档编写方式,很多著名的网站如github都对markdown有良好的支持。 优点: 因为是纯文本,所以只要支持Markdown的地方都能获得一样的编辑效果,可以让作者摆脱排版的困 阅读全文
posted @ 2019-10-11 10:56 凌逆战 阅读 (63) 评论 (0)
摘要:记得刚开始学TensorFlow的时候,那给我折磨的呀,我一直在想这个TensorFlow官方为什么搭建个网络还要画什么静态图呢,把简单的事情弄得麻烦死了,直到这几天我开始接触Pytorch,发现Pytorch是就是不用搭建静态图的Tensorflow版本,就想在用numpy一样,并且封装了很多深度 阅读全文
posted @ 2019-10-08 21:12 凌逆战 阅读 (1698) 评论 (0)
摘要:从事深度学习的研究者都知道,深度学习代码需要设计海量的数据,需要很大很大很大(重要的事情说三遍)的计算量,以至于CPU算不过来,需要通过GPU帮忙,但这必不意味着CPU的性能没GPU强,CPU是那种综合性的,GPU是专门用来做图像渲染的,这我们大家都知道,做图像矩阵的计算GPU更加在行,应该我们一般 阅读全文
posted @ 2019-10-01 20:25 凌逆战 阅读 (1704) 评论 (0)
摘要:1. 概述 语音是人类之间沟通交流的最直接也是最快捷方便的一种手段,而实现人类与计算机之间畅通无阻的语音交流,一直是人类追求的一个梦想。 伴随着移动智能设备的普及,各家移动设备的厂家也开始在自家的设备上集成了语音识别系统,像Apple Siri、Microsoft Cortana、Google No 阅读全文
posted @ 2019-09-28 12:14 凌逆战 阅读 (813) 评论 (0)
摘要:我们以MNIST手写数字识别为例 载入初次训练的模型,再训练 关于compile和load_model()的使用顺序 这一段落主要是为了解决我们fit、evaluate、predict之前还是之后使用compile。想要弄明白,首先我们要清楚compile在程序中是做什么的?都做了什么? compi 阅读全文
posted @ 2019-09-28 08:40 凌逆战 阅读 (1285) 评论 (0)
摘要:Audio Bit Depth Super-Resolution with Neural Networks 作者:Thomas Liu、Taylor Lundy、William Qi 摘要 Audio Bit Depth Super-Resolution是一个尚未通过深度学习的视角来研究的问题,目前 阅读全文
posted @ 2019-09-27 20:29 凌逆战 阅读 (101) 评论 (0)
摘要:神经网络就是最简单的自动编码器,区别在于其输出和输入是相同的,然后训练器参数,得到每一层中的权重,自然地我们就得到了输入x的不同的表示(每一层代表一种)这些就是特征,自动编码器就是一种尽可能复现原数据的神经网络。 “自编码”是一种数据压缩算法,其中压缩和解压缩过程是有损的。自编码训练过程,不是无监督 阅读全文
posted @ 2019-09-27 09:26 凌逆战 阅读 (319) 评论 (0)
摘要:众所周知神经网络单元是由线性单元和非线性单元组成的,而非线性单元就是我们今天要介绍的--激活函数,不同的激活函数得出的结果也是不同的。他们也各有各的优缺点,虽然激活函数有自己的发展历史,不断的优化,但是如何在众多激活函数中做出选择依然要看我们所实现深度学习实验的效果。 这篇博客会分为上下两篇,上篇介 阅读全文
posted @ 2019-09-26 17:17 凌逆战 阅读 (382) 评论 (9)
摘要:一、简介 AlexNet:(2012)主要贡献扩展 LeNet 的深度,并应用一些 ReLU、Dropout 等技巧。AlexNet 有 5 个卷积层和 3 个最大池化层,它可分为上下两个完全相同的分支,这两个分支在第三个卷积层和全连接层上可以相互交换信息。它是开启了卷积神经网络做图像处理的先河。 阅读全文
posted @ 2019-09-26 15:42 凌逆战 阅读 (50) 评论 (0)
摘要:机器学习的很多领域中存在很多稀疏矩阵,比如用来表示分类数据的独热编码、用于表示文档中词汇频率的计数编码、用于表示词汇中标准化的单词频率得分的TF-IDF编码。 稀疏矩阵 稀疏矩阵:在矩阵中,若数值中为0的元素数目远远多于非0元素的数目,并且非0元素分布没有规律。 稠密矩阵:在矩阵中,若数值中为0的元 阅读全文
posted @ 2019-09-26 11:11 凌逆战 阅读 (47) 评论 (0)
摘要:librosa是一个非常强大的python语音信号处理的第三方库,本文参考的是librosa的官方文档,本文主要总结了一些重要,对我来说非常常用的功能。学会librosa后再也不用用python去实现那些复杂的算法了,只需要一句语句就能轻松实现。 先总结一下本文中常用的专业名词:sr:采样率、hop 阅读全文
posted @ 2019-09-23 20:19 凌逆战 阅读 (2286) 评论 (0)
摘要:深度神经网络难训练一个重要的原因就是深度神经网络涉及很多层的叠加,每一层的参数变化都会导致下一层输入数据分布的变化,随着层数的增加,高层输入数据分布变化会非常剧烈,这就使得高层需要不断适应低层的参数更新。为了训练好模型,我们需要谨慎初始化网络权重,调整学习率等。 本篇博客总结几种归一化办法,并给出相 阅读全文
posted @ 2019-09-22 10:11 凌逆战 阅读 (67) 评论 (0)
摘要:json.loads(json) 把json格式的字符串转为Python数据类型 html_json = json.loads(res.text) json.dumps(python) 把 python 类型 转为 json 类型 json.load(f) 将json文件读取,并转为python类型 阅读全文
posted @ 2019-09-22 10:00 凌逆战 阅读 (58) 评论 (0)
摘要:matlab colormaps 默认颜色图是 parula ,颜色图从左往右数值不断增大。 matplotlib colormap 颜色图在这个位置http://matplotlib.org/3.1.0/tutorials/colors/colormaps.html,由于太杂了,就没有列出来了 阅读全文
posted @ 2019-09-21 19:41 凌逆战 阅读 (194) 评论 (0)
摘要:梅尔倒谱系数(MFCC) 梅尔倒谱系数(Mel-scale FrequencyCepstral Coefficients,简称MFCC)。依据人的听觉实验结果来分析语音的频谱, MFCC分析依据的听觉机理有两个 第一Mel scale:人耳感知的声音频率和声音的实际频率并不是线性的,有下面公式 $$ 阅读全文
posted @ 2019-09-21 09:56 凌逆战 阅读 (1000) 评论 (11)
摘要:傅里叶变换(fft) 法国科学家傅里叶提出,任何一条周期曲线,无论多么跳跃或不规则,都能表示成一组光滑正弦曲线叠加之和。傅里叶变换即是把一条不规则的曲线拆解成一组光滑正弦曲线的过程。 傅里叶变换的目的是将时域(即时间域)上的信号转变为频域(即频率域)上的信号,随着域的变换,对同一个事物的了解角度也就 阅读全文
posted @ 2019-09-20 19:18 凌逆战 阅读 (2768) 评论 (1)
摘要:声音的本质是震动,震动的本质是位移关于时间的函数,波形文件(.wav)中记录了不同采样时刻的位移。 通过傅里叶变换,可以将时间域的声音函数分解为一系列不同频率的正弦函数的叠加,通过频率谱线的特殊分布,建立音频内容和文本的对应关系,以此作为模型训练的基础。 案例:画出语音信号的波形和频率分布,(fre 阅读全文
posted @ 2019-09-20 12:28 凌逆战 阅读 (816) 评论 (0)