SoudenMVDR¶
- class torchaudio.transforms.SoudenMVDR(*args, **kwargs)[source]¶
基于 Souden 等人 [Souden 等人, 2009] 提出的方法实现的最小方差无失真响应 (MVDR [Capon, 1969]) 模块。
给定多通道复值频谱 \(\textbf{Y}\)、目标语音的功率谱密度 (PSD) 矩阵 \(\bf{\Phi}_{\textbf{SS}}\)、噪声的 PSD 矩阵 \(\bf{\Phi}_{\textbf{NN}}\) 以及表示参考通道的独热向量 \(\bf{u}\)，模块计算增强语音的单通道复值频谱 \(\hat{\textbf{S}}\)。公式定义如下：
\[\hat{\textbf{S}}(f) = \textbf{w}_{\text{bf}}(f)^{\mathsf{H}} \textbf{Y}(f) \]其中 \(\textbf{w}_{\text{bf}}(f)\) 是第 \(f\) 个频率窗的 MVDR 波束成形权重。
波束成形权重计算公式如下：
\[\textbf{w}_{\text{MVDR}}(f) = \frac{{{\bf{\Phi}_{\textbf{NN}}^{-1}}(f){\bf{\Phi}_{\textbf{SS}}}}(f)} {\text{Trace}({{{\bf{\Phi}_{\textbf{NN}}^{-1}}(f) \bf{\Phi}_{\textbf{SS}}}(f))}}\bm{u} \]- 使用
SoudenMVDR的教程
- forward(specgram: Tensor, psd_s: Tensor, psd_n: Tensor, reference_channel: Union[int, Tensor], diagonal_loading: bool = True, diag_eps: float = 1e-07, eps: float = 1e-08) Tensor[source]¶
- 参数：
specgram (torch.Tensor) – 多通道复值频谱。维度为 (…, channel, freq, time) 的张量。
psd_s (torch.Tensor) – 目标语音的复值功率谱密度 (PSD) 矩阵。维度为 (…, freq, channel, channel) 的张量。
psd_n (torch.Tensor) – 噪声的复值功率谱密度 (PSD) 矩阵。维度为 (…, freq, channel, channel) 的张量。
reference_channel (int 或 torch.Tensor) – 指定参考通道。如果数据类型是
int，则表示参考通道索引。如果数据类型是torch.Tensor，其形状为 (…, channel)，其中channel维度是独热编码。diagonal_loading (bool, 可选) – 如果为
True，则对psd_n应用对角加载。(默认值:True)diag_eps (float, 可选) – 对角加载时乘以单位矩阵的系数。仅当
diagonal_loading设置为True时有效。(默认值:1e-7)eps (float, 可选) – 添加到波束成形权重公式分母中的值。(默认值:
1e-8)
- 返回值：
单通道复值增强频谱，维度为 (…, freq, time)。
- 返回值类型：
- 使用
