RTFMVDR¶
- class torchaudio.transforms.RTFMVDR(*args, **kwargs)[source]¶
基于噪声的相对传递函数 (RTF) 和功率谱密度 (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) 矩阵或转向矢量 \(\bm{v}\)，噪声的 PSD 矩阵 \(\bf{\Phi}_{\textbf{NN}}\)，以及表示参考通道的独热向量 \(\bf{u}\)，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，\((.)^{\mathsf{H}}\) 表示厄米特共轭运算。
波束成形权重由以下公式计算：
\[\textbf{w}_{\text{MVDR}}(f) = \frac{{{\bf{\Phi}_{\textbf{NN}}^{-1}}(f){\bm{v}}(f)}} {{\bm{v}^{\mathsf{H}}}(f){\bf{\Phi}_{\textbf{NN}}^{-1}}(f){\bm{v}}(f)} \]- 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。张量维度为 (…, channel, freq, time)
rtf (torch.Tensor) – 目标语音的复值 RTF 向量。张量维度为 (…, freq, channel)。
psd_n (torch.Tensor) – 噪声的复值功率谱密度 (PSD) 矩阵。张量维度为 (…, freq, channel, channel)。
reference_channel (int or torch.Tensor) – 指定参考通道。如果数据类型为
int，则表示参考通道索引。如果数据类型为torch.Tensor，则其形状为 (…, channel)，其中channel维度为独热。diagonal_loading (bool, optional) – 如果为
True，则启用对psd_n应用对角线加载。 (默认值:True)diag_eps (float, optional) – 用于对角线加载的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, optional) – 要添加到波束成形权重公式分母的值。 (默认值:
1e-8)
- 返回:
维度为 (…, freq, time) 的单通道复值增强频谱。
- 返回类型:
- 使用
