De presentatie wordt gedownload. Even geduld aub

De presentatie wordt gedownload. Even geduld aub

Technieken voor ruisonderdrukking en dereverberatie in spraaktoepassingen met behulp van meerdere microfoons Simon Doclo 21 mei 2003.

Verwante presentaties


Presentatie over: "Technieken voor ruisonderdrukking en dereverberatie in spraaktoepassingen met behulp van meerdere microfoons Simon Doclo 21 mei 2003."— Transcript van de presentatie:

1

2 Technieken voor ruisonderdrukking en dereverberatie in spraaktoepassingen met behulp van meerdere microfoons Simon Doclo 21 mei 2003

3 2 Overzicht Inleiding Basisprincipes Robuuste breedband-bundelvorming Meerkanaals optimale filtering Akoestische-kanaalschatting en dereverberatie Besluit en verder onderzoek

4 3 Overzicht Inleiding  Situering en toepassingen  Probleemstelling  Bijdragen Basisprincipes Robuuste breedband-bundelvorming Meerkanaals optimale filtering Akoestische-kanaalschatting en dereverberatie Besluit en verder onderzoek

5 4 Opname van spraak in ongunstige akoestische omgeving Situering Spraakcommunicatietoepassingen: handenvrije mobiele telefonie, spraakgestuurde systemen, hoorapparaten Achtergrondlawaai: - ventilator, radio - andere personen - meestal ongekend Reverberatie (nagalm) - reflecties van signaal tegen muur, objecten Lage signaalkwaliteit Spraakverstaanbaarheid en spraakherkenning  Inleiding -Situering -Probleemstelling -Bijdragen  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie  Besluit

6 5 Signaalverbetering Doelstelling Signaalverbeteringstechnieken:  Ruisonderdrukking : verminderen van achtergrondlawaai zonder spraak te vervormen  Dereverberatie : effect van nagalm verminderen  Gecombineerde ruisonderdrukking en dereverberatie Akoestische bronlokalisatie: camera of volgspot  Inleiding -Situering -Probleemstelling -Bijdragen  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie  Besluit

7 6 Video-conferencing:  Microfoonrooster voor bronlokalisatie : – richten van camera op actieve spreker – signaalverbetering door sturen van microfoonrooster Toepassingen Handenvrije mobiele telefonie:  Belangrijkste toepassing vanuit economisch standpunt  Handenvrije kit in wagen verplicht  Meeste huidige systemen: 1 directionele microfoon  Inleiding -Situering -Probleemstelling -Bijdragen  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie  Besluit

8 7 Hoorapparaten en cochleaire implantaten:  meeste slechthorenden lijden aan perceptueel gehoorverlies  versterking  verzwakking van ruis tov gewenst signaal Toepassingen Spraakgestuurde systemen:  consumentenelektronica (HiFi, PC software)  voordeel wanneer spraakherkenning betrouwbaar werkt in alle omstandigheden  signaalverbetering als voorverwerking  meerdere microfoons + DSP in hoorapparaat  huidige systemen: eenvoudige bundelvorming  robuustheid zeer belangrijk wegens kleine afstand microfoons  Inleiding -Situering -Probleemstelling -Bijdragen  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie  Besluit

9 8 Algoritmische vereisten ‘Blinde’ technieken: ongekende ruisbronnen en omgeving Adaptief: tijdsvariante signalen en akoestische omgeving Robuustheid:  Microfoonkarakteristieken (versterking, fase, positie)  Andere afwijkingen van veronderstelde signaalmodel Integratie van verschillende technieken Berekeningscomplexiteit  Inleiding -Situering -Probleemstelling -Bijdragen  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie  Besluit

10 Probleemstelling en bijdragen 9 Eénkanaals-technieken – spectrale subtractie [Boll 79, Ephraim 85, Xie 96] Signaalonafhankelijke transformatie Problemen met residuele ruis – deelruimte-gebaseerd [Dendrinos 91, Ephraim 95, Jensen 95] Signaalafhankelijke transformatie signaalruimte + ruisdeelruimte 2. Meerkanaals optimale filtering spatiale informatie robuustheid 3. Blinde kanaalschatting dereverberatie 1. Robuuste breedband- bundelvorming Meerkanaals-technieken – vaste bundelvorming [Dolph 46, Cox 86, Ward 95, Elko 00] Vast directiviteitspatroon – adaptieve bundelvorming [Frost 72, Griffiths 82, Gannot 01] aanpassen aan verschillende omgevingen  performantie `Generalised Sidelobe Canceller’ (GSC) – inverse, ‘matched’ filtering [Myoshi 88, Flanagan 93, Affes 97] enkel spectrale informatiea-priori veronderstellingen

11 10 Overzicht Inleiding Basisprincipes  Signaalmodel  Karakteristieken van signalen en akoestische omgeving Robuuste breedband-bundelvorming Meerkanaals optimale filtering Akoestische-kanaalschatting en dereverberatie Besluit en verder onderzoek

12 11 Signaalmodel Model voor microfoonsignalen in tijdsdomein: gefilterde versie van zuiver spraaksignaal + additieve gekleurde ruis Akoestische impulsresponsie Spraak- signaal Additieve ruis  Inleiding  Basisprincipes -Signaalmodel -Karakteristieken  Bundelvorming  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie  Besluit

13 12 Signaalmodel Meerkanaals-signaalverbetering: microfoonsignalen worden gefilterd met filters w n [k] en gesommeerd  f [k] = totale transferfunctie voor spraakcomponent  z v [k] = residuele ruiscomponent  Technieken verschillen in berekening van filters:  Ruisonderdrukking : minimaliseer residuele ruis z v [k] en beperk spraakvervorming  Dereverberatie : f [k] = δ [k] door schatten van akoestische impulsresponsies h n [k]  Gecombineerde ruisonderdrukking en dereverberatie  Inleiding  Basisprincipes -Signaalmodel -Karakteristieken  Bundelvorming  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie  Besluit

14 13 Karakteristieken van signalen Spraak:  Breedbandig ( Hz)  Aan/uit-karakteristiek  Spraakdetectie-algoritme (VAD)  Lineair lage-rangmodel: lineaire combinatie van basisfuncties Amplitude Tijd (sec) (R=12…20) Ruis:  ongekende signalen zonder referentie  traag-variërend (ventilator)  niet-stationair (radio, spraak)  Inleiding  Basisprincipes -Signaalmodel -Karakteristieken  Bundelvorming  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie  Besluit

15 14 Akoestische omgeving Reverberatietijd T 60 : globale karakteristiek Akoestische impulsresponsies:  Akoestische filtering tussen spreker en microfoons  FIR-filter (K=1000…2000 taps)  Niet-minimum-fasesysteem  geen stabiele inverse Microfoonrooster:  Veronderstelling: puntsensoren met ideale karakteristiek  Afwijkingen: versterking, fase, positie AutoKamerKerk 70 ms250 ms1500 ms Tijd (sec) Amplitude Impulsresponsie PSK rij 9  Inleiding  Basisprincipes -Signaalmodel -Karakteristieken  Bundelvorming  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie  Besluit

16 15 Overzicht Inleiding Basisprincipes Robuuste breedband-bundelvorming  Nieuwe ontwerpprocedures voor breedband- bundelvorming  Robuuste bundelvorming tegen afwijkingen in versterking en fase Meerkanaals optimale filtering Akoestische-kanaalschatting en dereverberatie Besluit en verder onderzoek

17 16 Vaste bundelvorming Ruis- en spraakbronnen met zelfde spectrum op verschillende posities Benut spatiale diversiteit door meerdere microfoons Originele techniek uit radartoepassingen:  Smallband : compensatie van vertraging  breedband  ‘Far-field’ : vlakke golven  ‘near-field’ : sferische golven  Gekende karakteristieken van sensoren  afwijkingen - Lage complexiteit - Robuustheid bij lage signaal-ruisverhouding - A-priori kennis over posities en microfoonkarakteristieken - Signaal-onafhankelijk FIR ‘filter-and-sum’ structuur: willekeurig directiviteits- patroon voor willekeurige microfoonconfiguratie Onderdrukken ruis en reverberatie uit bepaalde richtingen  Inleiding  Basisprincipes  Bundelvorming -Ontwerp -Robuust  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie  Besluit

18 17 ‘Filter-and-sum’ configuratie Doelstelling: bereken filters w n [k] zodat bundelvormer gewenste vaste spatiale en spectrale filtering uitvoert Far-field: - vlakke golven - gelijke verzwakking 2D-filterontwerp in hoek  en frequentie  Directiviteitspatroon: Gewenst directiviteitspatroon:  Inleiding  Basisprincipes  Bundelvorming -Ontwerp -Robuust  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie  Besluit

19 18 Ontwerpprocedures Ontwerp filter w zodat directiviteitspatroon zo dicht mogelijk benadert over volledig frequentie-hoek- gebied  minimalisatie van kostfunctie  Niet-lineare kostfunctie  iteratieve optimalisatie = complex!  Gewogen-kleinste-kwadraten  kwadratische functie  Eigenfilter gebaseerd op TLS-criterium  GEVD Besluit: TLS-eigenfilter beste niet-iteratieve procedure  Inleiding  Basisprincipes  Bundelvorming -Ontwerp -Robuust  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie  Besluit

20 19 Niet-lineaire procedureTLS-Eigenfilter Simulaties Angle (deg) Freq (Hz) dB Angle (deg) Freq (Hz) dB Parameters: -N=5, d=4cm -L=20, f s =8kHz -Pass: 40 o -80 o -Stop: 0 o -30 o + 90 o -180 o Delay-and-sum Angle (deg) Freq (Hz) dB

21 20 Kleine afwijkingen van veronderstelde karakteristieken (versterking, fase, positie)  grote afwijkingen in directiviteits- patroon, zeker voor microfoonroosters met kleine afmeting In de praktijk zijn microfoonkarakteristieken nooit exact gekend Beschouw alle mogelijke microfoonkarakteristieken en optimaliseer  gemiddelde performantie met waarschijnlijkheid als gewicht  ‘worst-case’ performantie  minimax-optimalisatieprobleem Robuuste breedband bundelvorming Breng specifieke (willekeurige) afwijkingen in rekening Meet- of kalibratieprocedure  Inleiding  Basisprincipes  Bundelvorming -Ontwerp -Robuust  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie  Besluit

22 21 Simulaties Niet-lineaire ontwerpprocedure N=3, posities: [ ] m, L=20, f s =8 kHz Passband = 0 o -60 o, Hz (endfire) Stopband = 80 o -180 o, Hz Robuust ontwerp voor gemiddelde performantie: Uniforme pdf = ( ) en (-5 o -10 o ) Afwijking = [ ] en [5 o -2 o 5 o ] Ontwerp JJ dev Niet-robuust Gemiddelde kost Maximum kost  Inleiding  Basisprincipes  Bundelvorming -Ontwerp -Robuust  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie  Besluit

23 22 Niet-robuust ontwerpRobuust ontwerp Geen afwijkingen Afwijkingen (versterking/fase) Simulaties Angle (deg) Frequency (Hz) dB Angle (deg) Frequency (Hz) dB Angle (deg) Frequency (Hz) dB Angle (deg) Frequency (Hz) dB  Inleiding  Basisprincipes  Bundelvorming -Ontwerp -Robuust  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie  Besluit

24 23 Overzicht Inleiding Basisprincipes Robuuste breedband-bundelvorming Meerkanaals optimale filtering  GSVD-gebaseerde optimaal-filtertechniek  Verminderen van berekeningscomplexiteit  Simulaties Akoestische-kanaalschatting en dereverberatie Besluit en verder onderzoek

25 24 Meerkanaals optimale filtering Doel: optimale schatting van spraakcomponenten in microfoonsignalen Minimaliseer MSE Vertraagde spraakcomponent in microfoonsignaal Uitgangssignaal Geen veronderstellingen Standaard (adaptieve) bundelvorming: LCMV Lineaire beperkingen: a-priori veronderstellingen over microfoon + positie Meer-kanaals Wiener Filter -Spraak en ruis onafhankelijk -2e orde statistiek ruis stationair  schatten tijdens ruisperiodes (VAD) MeerkanaalsSignaal-afhankelijk Robuustheid  Inleiding  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering -Optimale filtering -Complexiteit -Simulaties  Kanaalschatting en dereverberatie  Besluit

26 25 Meerkanaals optimale filtering Implementatietechniek:  gebaseerd op Veralgemeende-Singuliere-Waarde-Ontbinding (GSVD) – in rekening brengen van lage-rangmodel spraak – afweging tussen ruisonderdrukking en spraakvervorming  QRD [Rombouts 2002], subband [Spriet 2001]  lagere complexiteit Spraakdetectie-mechanisme is enige a-priori veronderstelling: nodig voor schatting van correlatiematrices - =1 : MMSE (gelijk belang) - <1 : minder spraakvervorming, minder ruisonderdrukking - >1 : meer spraakvervorming, meer ruisonderdrukking  Inleiding  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering -Optimale filtering -Complexiteit -Simulaties  Kanaalschatting en dereverberatie  Besluit

27 26 Opsplitsing in spatiaal en spectraal gedeelte Gewenst directiviteitspatroon voor eenvoudige scenario’s Analyse in het frequentiedomein spectrale filtering (PSD) spatiale filtering (coherentie)  Inleiding  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering -Optimale filtering -Complexiteit -Simulaties  Kanaalschatting en dereverberatie  Besluit SpraakRuis

28 27 Verminderen van complexiteit Recursieve versie: elke tijdsstap berekening GSVD + filter Complexiteitsreductie door:  Recursieve technieken voor herberekening GSVD [Moonen 90]  Sub-bemonstering (stationaire akoestische omgevingen) Hoge berekeningscomplexiteit ‘Batch’RecursiefQRD [Rombouts] sub = Gflops2.1 Gflops358 Mflops sub = Gflops105 Mflops18 Mflops (N = 4, L = 20, M=80, f s = 16 kHz, P = 4000, Q = 20000) Real-time implementatie mogelijk  Inleiding  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering -Optimale filtering -Complexiteit -Simulaties  Kanaalschatting en dereverberatie  Besluit

29 28 Verminderen van complexiteit Integratie in ‘Generalised Sidelobe Canceller’ (GSC) structuur: adaptieve bundelvorming  Creatie van ‘spraakreferentie’ en ‘ruisreferentie’  Standaard meerkanaals adaptief filter (LMS, APA)  Spraak- referentie Optimaal filter Ruis- referentie(s)  + – Adaptief filter  delay Blocking matrix Ruis- referenties  Spraak- referentie f [k]f [k] Delay-sum bundelvormer Meer-kanaals adaptief filter  Verhogen van performantie Verminderen van complexiteit door korte filters  Inleiding  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering -Optimale filtering -Complexiteit -Simulaties  Kanaalschatting en dereverberatie  Besluit

30 29 Simulaties N=4, SNR=0 dB, 3 ruisbronnen (wit, spraak, muziek), f s =16 kHz Performantie: verbetering van signaal-ruisverhouding (SNR) Reverberatietijd (msec) Unbiased SNR (dB) Delay-and-sum bundelvormerr GSC (L ANC =400, ruisref=Griffiths-Jim) Recursieve GSVD (L=20, L ANC =400, alle nref) Recursieve GSVD (L=20, geen ANC)  Inleiding  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering -Optimale filtering -Complexiteit -Simulaties  Kanaalschatting en dereverberatie  Besluit

31 30 Conclusies GSVD-gebaseerde optimaal-filtertechniek:  Meerkanaals-uitbreiding van éénkanaals deelruimte- gebaseerde technieken  Signaal-afhankelijk  lage-rangmodel spraak  Geen a-priori veronderstellingen over sprekerpositie en microfoons SNR-verbetering beter dan GSC voor alle reverberatietijden en beschouwde akoestische scenario’s Grotere robuustheid tegen afwijkingen in signaalmodel:  Microfoonkarakteristieken  Sprekerpositie  VAD: enige a-prori informatie! – Geen effect op SNR-verbetering – Beperkt effect op spraakvervorming  Inleiding  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering -Optimale filtering -Complexiteit -Simulaties  Kanaalschatting en dereverberatie  Besluit

32 31 Overzicht Inleiding Basisprincipes Robuuste breedband-bundelvorming Meerkanaals optimale filtering Akoestische-kanaalschatting en dereverberatie  Technieken in tijdsdomein  Technieken in frequentiedomein  Gecombineerde ruisonderdrukking en dereverberatie Besluit en verder onderzoek

33 32 Doelstelling  Blinde schatting van akoestische impulsresponsiesTijdsdomein Frequentiedomein Ruisonderdrukking en dereverberatie DereverberatieBronlokalisatie  Inleiding  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie -Tijdsdomein -Frequentiedomein -Dereverberatie  Besluit

34 33 Signaalmodel voor N=2 en geen achtergrondruis Deelruimte-gebaseerde techniek: impulsresponsies kunnen berekend uit nulruimte van spraakcorrelatiematrix  (Veralgemeende) eigenvector behorend bij kleinste (veralgemeende) eigenwaarde  Problemen van techniek in tijdsdomein: – gevoeligheid aan onderschatting van kanaallengte – lage-rangmodel in combinatie met achtergrondruis Technieken in tijdsdomein S(z)S(z) H0(z)H0(z) H1(z)H1(z) Y1(z)Y1(z) Y0(z)Y0(z) Signalen -H 1 (z) H0(z)H0(z)  Nulruimte 0 ±α±α ±α±α E(z)E(z) E(z)E(z)  Inleiding  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie -Tijdsdomein -Frequentiedomein -Dereverberatie  Besluit

35 34 Niet-adaptieve techniek vormt basis voor afleiding van adaptief stochastich-gradiëntalgoritme Gebruik : schatting van gedeeltelijke impulsresponsies  schatting van tijdsvertraging voor bronlokalisatie Stochastisch-gradiëntalgoritme  Inleiding  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie -Tijdsdomein -Frequentiedomein -Dereverberatie  Besluit

36 35 Technieken in frequentiedomein Problemen technieken in tijdsdomein  frequentiedomein Signaalmodel: Schatting van akoestische transferfunctievector H(  ) uit GEVD van correlatiematrices en  Behorend bij grootste veralgemeende eigenwaarde  geen stochastisch-gradiëntalgoritme beschikbaar  Onbekende schaleringsfactor in elke frequentiebin:  kan bepaald worden indien norm gekend is  enkel toepasbaar wanneer positie van bron vrij vast is (bv. desktop, wagen)  Inleiding  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie -Tijdsdomein -Frequentiedomein -Dereverberatie  Besluit

37 36 Filteroperatie in frequentiedomein: Dereverberatie:  genormaliseerd ‘matched filter’ Gecombineerde ruisonderdrukking en dereverberatie: Z(  ) is optimale schatting van S(  )  integratie van meer-kanaals Wiener-filter met genormaliseerd ‘matched filter’  Afweging tussen beide doelstellingen Gecombineerde ruisonderdrukking en dereverberatie Residuele ruis  Inleiding  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie -Tijdsdomein -Frequentiedomein -Dereverberatie  Besluit

38 37 Simulaties N=4, d=2 cm, f s =16 kHz, SNR=0 dB, T 60 =400 msec FFT-grootte L=1024, overlap R=16 Performantiecriteria:  Signaal-ruisverhouding (SNR)  Dereverberatie-index (DI) : SNR (dB)DI (dB) Origineel microfoonsignaal Ruisonderdrukking Dereverberatie Gecombineerde ruisonderdrukking en dereverberatie  Inleiding  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie -Tijdsdomein -Frequentiedomein -Dereverberatie  Besluit

39 38 Besluit Lage signaalkwaliteit door achtergrondruis en reverberatie  signaalverbetering om spraakverstaanbaarheid en performantie te verhogen Eénkanaals-technieken: spectrale informatie Standaard bundelvorming: a-priori veronderstellingen Geen a-priori veronderstellingen MeerkanaalsSignaal-afhankelijk Blinde kanaalschatting dereverberatie Robuuste breedband- bundelvorming Meerkanaals optimale filtering  Inleiding  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie  Besluit

40 39 Bijdragen Robuuste breedband-bundelvorming:  nieuwe kostfuncties voor breedband ‘far-field’-ontwerp (niet-lineair, eigenfilter)  uitbreiding naar ‘near-field’ en ‘mixed near-far field’  2 procedures voor robuust ontwerp tegen afwijkingen in versterking en fase GSVD-gebaseerde optimaal-filtertechniek voor meerkanaals-ruisonderdrukking:  uitbreiding éénkanaals deelruimte-gebaseerde technieken  meerdere microfoons  integratie in GSC-structuur  betere performantie en robuustheid dan bundelvorming Akoestische-kanaalschatting en dereverberatie:  stochastisch-gradiëntalgoritme voor schatten van tijdsvertraging en bronlokalisatie (gekleurde ruis)  gecombineerde ruisonderdrukking en dereverberatie in frequentiedomein  Inleiding  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie  Besluit

41 40 Verder onderzoek Combinatie van meerkanaals Wiener-filter en vaste bundelvorming:  Lage SNR: VAD faalt  lage performantie Wiener-filter  Gecombineerde techniek: robuuster wanneer VAD faalt, betere performantie dan vaste bundelvorming in andere scenario’s Akoestische-kanaalschatting en dereverberatie:  Tijdsdomein: onderliggende reden gevoeligheid  Frequentiedomein: onbekende schalingsfactor  BSS ?  andere blinde identificatietechnieken (LP, NL Kalman-filtering) Verdere vermindering van complexiteit van meerkanaals optimaal-filtertechniek:  Stochastische-gradiëntalgoritmes  Subband/frequentie-domein  Inleiding  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie  Besluit

42 41 Publicaties en projecten Publicaties:  Journals: 1 gepubliceerd, 4 aanvaard  Conferenties: 11 artikels voorgesteld  Hoofdstuk in Boek ‘Microphone Arrays: Signal Processing Techniques and Applications’ (Eds. M. Brandstein, D. Ward)  Best Student Paper Award IWAENC-2001 Financiering:  IWT (Instituut voor de aanmoediging van Innovatie door Wetenschap en Technologie in Vlaanderen) : Industriële projecten:  Philips-ITCL: ‘Multi-microphone signal enhancement techniques for hands-free telephony and voice-controlled systems’ (MUSETTE I-II)  Cochlear CTCE: `Performance improvement of cochlear implants by innovative speech processing algorithms’  Inleiding  Basisprincipes  Bundelvorming  Meerkanaals optimale filtering  Kanaalschatting en dereverberatie  Besluit


Download ppt "Technieken voor ruisonderdrukking en dereverberatie in spraaktoepassingen met behulp van meerdere microfoons Simon Doclo 21 mei 2003."

Verwante presentaties


Ads door Google