SoudenMVDR¶
- class torchaudio.transforms.SoudenMVDR(*args, **kwargs)[source]¶
最小方差无失真响应 (MVDR [Capon, 1969]) 模块基于由 Souden et, al. [Souden et al., 2009] 提出的方法。
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 one-hot 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 \(f\)-th 频率 bin 的 MVDR 波束成形权重。
波束成形权重由以下公式计算
\[\textbf{w}_{\text{MVDR}}(f) = \frac{{{\bf{\Phi}_{\textbf{NN}}^{-1}}(f){\bf{\Phi}_{\textbf{SS}}}}(f)} {\text{Trace}({{{\bf{\Phi}_{\textbf{NN}}^{-1}}(f) \bf{\Phi}_{\textbf{SS}}}(f))}}\bm{u} \]- 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 dtype 是
int，它表示参考通道索引。如果 dtype 是torch.Tensor，其形状为 (…, channel)，其中channel维度是 one-hot 编码。diagonal_loading (bool, 可选) – 如果为
True，则启用对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时才有效。（默认值：1e-7）eps (float, 可选) – 添加到波束成形权重公式中分母的值。（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
