RTFMVDR¶
- class torchaudio.transforms.RTFMVDR(*args, **kwargs)[source]¶
基于相对传递函数 (RTF) 和噪声功率谱密度 (PSD) 矩阵的最小方差无失真响应 (MVDR [Capon, 1969]) 模块。
给定多通道复值频谱 \(\textbf{Y}\)、目标语音的相对传递函数 (RTF) 矩阵或导向矢量 \(\bm{v}\)、噪声的 PSD 矩阵 \(\bf{\Phi}_{\textbf{NN}}\) 以及表示参考通道的 one-hot 矢量 \(\bf{u}\)，该模块计算增强语音的单通道复值频谱 \(\hat{\textbf{S}}\)。公式定义为
\[\hat{\textbf{S}}(f) = \textbf{w}_{\text{bf}}(f)^{\mathsf{H}} \textbf{Y}(f) \]其中 \(\textbf{w}_{\text{bf}}(f)\) 是第 \(f\) 个频率箱的 MVDR 波束成形权重，\((.)^{\mathsf{H}}\) 表示 Hermitian 共轭运算。
波束成形权重计算公式为
\[\textbf{w}_{\text{MVDR}}(f) = \frac{{{\bf{\Phi}_{\textbf{NN}}^{-1}}(f){\bm{v}}(f)}} {{\bm{v}^{\mathsf{H}}}(f){\bf{\Phi}_{\textbf{NN}}^{-1}}(f){\bm{v}}(f)} \]- 使用
RTFMVDR的教程
- forward(specgram: Tensor, rtf: 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
rtf (torch.Tensor) – 目标语音的复值 RTF 矢量。维度为 (…, freq, 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 dtype 是
int，则表示参考通道索引。如果 dtype 是torch.Tensor，则其形状为 (…, channel)，其中channel维度是 one-hot 编码。diagonal_loading (bool, optional) – 如果为
True，则启用对psd_n应用对角加载。（默认值：True）diag_eps (float, optional) – 乘以单位矩阵以进行对角加载的系数。仅当
diagonal_loading设置为True时才有效。（默认值：1e-7）eps (float, optional) – 添加到波束成形权重公式分母的值。（默认值：
1e-8）
- 返回：
单通道复值增强频谱，维度为 (…, freq, time)。
- 返回类型：
- 使用
