声学降噪器¶
在本示例中,我们将了解一个由模型控制的系统,该系统允许我们叠加和过滤与声学信 号一起输入滤波器的噪声。 我们将使用 LMS 滤波器模块。它可以使用五种不同的算法实现自适应 FIR 滤波器。该程序块可以估算出使误差最小化所需的滤波器权重。 下图显示了模型的顶层结构。
在这里,您可以控制信号中是否存在噪声以及滤波器参数:
- 步长
- 更新滤波器权重、
- 重置滤波器权重。
现在我们来设置使用该模型的辅助函数。
In [ ]:
Pkg.add(["WAV"])
In [ ]:
# Подключение вспомогательной функции запуска модели.
function run_model( name_model)
Path = (@__DIR__) * "/" * name_model * ".engee"
if name_model in [m.name for m in engee.get_all_models()] # Проверка условия загрузки модели в ядро
model = engee.open( name_model ) # Открыть модель
model_output = engee.run( model, verbose=true ); # Запустить модель
else
model = engee.load( Path, force=true ) # Загрузить модель
model_output = engee.run( model, verbose=true ); # Запустить модель
engee.close( name_model, force=true ); # Закрыть модель
end
sleep(5)
return model_output
end
# Объявление функции аудиоплеера
using WAV;
using .EngeeDSP;
function audioplayer(patch, fs, Samples_per_audio_channel);
s = vcat((EngeeDSP.step(load_audio(), patch, Samples_per_audio_channel))...);
buf = IOBuffer();
wavwrite(s, buf; Fs=fs);
data = base64encode(unsafe_string(pointer(buf.data), buf.size));
display("text/html", """<audio controls="controls" {autoplay}>
<source src="data:audio/wav;base64,$data" type="audio/wav" />
Your browser does not support the audio element.
</audio>""");
return s
end
Out[0]:
声明函数后,从变量文件中加载下图所示子系统中使用的 FIR 滤波器系数。
In [ ]:
using FileIO
f1 = load((@__DIR__) * "/filter_values.jld2", "f1");
f2 = load((@__DIR__) * "/filter_values.jld2", "f2");
现在,我们已经在工作区中添加了所有必要的变量,并描述了辅助函数,接下来让我们运行模 型并分析获得的数据。
In [ ]:
run_model("AcousticNoiseCanceler") # Запуск модели.
Out[0]:
现在,让我们使用之前描述的音频播放器函数,回放两个信号--原始信号和滤波后的录音信号。
In [ ]:
inp = audioplayer("$(@__DIR__)/dspafxf_8000.wav", 8000, 256);
In [ ]:
out = audioplayer("$(@__DIR__)/output.wav", 8000*40, 256);
从录音中可以听到,滤波后的声音比滤波前更清晰。
In [ ]:
using FFTW
fs = 100
gr()
plot(fftfreq(length(inp[1:2000]), fs), abs.(fft(inp[1:2000])./length(inp[1:2000])),
xguide="Frequency / Hz", yguide="Magnitude")
plot!(fftfreq(length(out[1:2000]), fs), abs.(fft(out[1:2000])./length(out[1:2000])),
xguide="Frequency / Hz", yguide="Magnitude")
Out[0]:
值得注意的是,频谱有所不同。造成这种差异的原因是滤波器极大地改变了信号的频率特性。
让我们对输入和输出数据进行明确的比较。
In [ ]:
gr()
plot(inp[500:1000]-out[500:1000])
Out[0]:
同样是减去输入信号,我们会发现数据有明显差异。
结论¶
我们已经学会了如何设置声学降噪器,如何更改其参数。您可以使用该模型进行大量实验,改变滤波器和外加噪音的设置。