Engee 文档
Notebook

剔除器过滤

陷波-峰值滤波器单元使用指定的中心频率和带宽对输入信号的每个通道进行及时滤波。

在我们的例子中,使用了以下设置:

  1. 200Hz 带宽、 2.峰值/切中心频率 7350Hz。
  2. 输入信号采样频率 22050Hz。

该滤波器的输入为录制的噪声音频信号,输出为滤波后的信号。

让我们着手实现这个项目:设置辅助函数并建立模型。

让我们定义播放器的功能。

In [ ]:
Pkg.add(["WAV"])
In [ ]:
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 
[ Info: Precompiling WAV [8149f6b0-98f6-5db9-b78f-408fbbb8ef88]
Out[0]:
audioplayer (generic function with 1 method)

连接模型启动的辅助功能。

In [ ]:
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
Out[0]:
run_model (generic function with 1 method)

建立并运行模型。

image.png

In [ ]:
run_model("NotchPeak_filter") # Запуск модели.

运行模型后,我们可以看到哪些频率被过滤掉了。

image.png

现在我们来听听输入和输出信号。

In [ ]:
audioplayer("$(@__DIR__)/MysterySig.wav", 24000, 256);
In [ ]:
audioplayer("$(@__DIR__)/output.wav", 24000, 256);

结论

我们可以从录音中听到,也可以从模型中看到,滤波器工作正常,可以去除原始音频信号中的杂音。