取前 3 帧的平均值/平均值是啥意思

Posted 2023-02-25

【中文标题】取前 3 帧的平均值/平均值是啥意思

【英文标题】：What does it mean to say to take mean/average of those first 3 frame取前 3 帧的平均值/平均值是什么意思

【发布时间】：2017-07-20 13:06:41

【问题描述】：

我是语音处理方面的新手。我实际上正在尝试降噪。我正在使用光谱减法。在这样做时，在许多理论论文和算法中，它说要获取音频信号的帧。

为此，我为每帧花费了 20 毫秒，即对于采样频率 = 16KHz，我将以 16KHz * 20ms = 320 个样本/帧结束每一帧。

windowed_frame = frame .* hamming(length(frame));
complex_spec = fft(windowed_frame,512);        
mag_spec = abs(complex_spec);
phase_spec = angle(complex_spec);

现在，对于噪声信号，它说：

假设最初的几个非语音帧是噪音。

因此，为了获得噪声估计，它声明

取前 3 帧左右的平均值。

如果每帧有 320 个样本长度。 现在，取前 3 帧的平均值是什么意思？

这 3 帧总共包含 3*320 = 960 个样本。它是否表明，取这 960 个值的平均值？但这只会产生单一的价值。但我需要一个窗口大小，即 20ms 大小的 noise_estimate。

有什么帮助吗？

【问题讨论】：

有一个姊妹网站专注于数字信号处理...如果这里没有帮助，您可能想提出您的问题...请参阅dsp.stackexchange.com/…

我怀疑这意味着从前三帧中的每一帧中获取频谱的元素平均值，从而为您提供前 960 个样本的平均功率谱。

【参考方案1】：

您需要估计噪声频谱，因此您在前 3 帧中平均 mag_spec，而不是信号值。

 noise_spec = (mag_spec_1 + mag_spec_2 + mag_spec_3) / 3

结果将是 512 个数字，基本上是每个频段的噪声能量。