SoudenMVDR¶
- class torchaudio.transforms.SoudenMVDR(*args, **kwargs)[原始碼]¶
基於 Souden et, al. [Souden et al., 2009] 提出的方法的最小變異數無失真響應 (MVDR [Capon, 1969]) 模組。
給定多聲道複數值頻譜 \(\textbf{Y}\)、目標語音的功率譜密度 (PSD) 矩陣 \(\bf{\Phi}_{\textbf{SS}}\)、雜訊的 PSD 矩陣 \(\bf{\Phi}_{\textbf{NN}}\)，以及代表參考聲道的 one-hot 向量 \(\bf{u}\)，此模組會計算增強語音的單聲道複數值頻譜 \(\hat{\textbf{S}}\)。公式定義如下：
\[\hat{\textbf{S}}(f) = \textbf{w}_{\text{bf}}(f)^{\mathsf{H}} \textbf{Y}(f) \]其中 \(\textbf{w}_{\text{bf}}(f)\) 是第 \(f\) 個頻率區間的 MVDR 波束成形權重。
波束成形權重計算方式為：
\[\textbf{w}_{\text{MVDR}}(f) = \frac{{{\bf{\Phi}_{\textbf{NN}}^{-1}}(f){\bf{\Phi}_{\textbf{SS}}}}(f)} {\text{Trace}({{{\bf{\Phi}_{\textbf{NN}}^{-1}}(f) \bf{\Phi}_{\textbf{SS}}}(f))}}\bm{u} \]- 使用
SoudenMVDR的教學
- 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[原始碼]¶
- 參數：
specgram (torch.Tensor) – 多聲道複數值頻譜。維度為 (…, channel, freq, time) 的張量。
psd_s (torch.Tensor) – 目標語音的複數值功率譜密度 (PSD) 矩陣。維度為 (…, freq, channel, channel) 的張量。
psd_n (torch.Tensor) – 雜訊的複數值功率譜密度 (PSD) 矩陣。維度為 (…, freq, channel, channel) 的張量。
reference_channel (int 或 torch.Tensor) – 指定參考聲道。如果 dtype 為
int，則表示參考聲道索引。如果 dtype 為torch.Tensor，則其形狀為 (…, channel)，其中channel維度為 one-hot。diagonal_loading (bool, optional) – 如果為
True，則啟用對psd_n應用對角載入。(預設值：True)diag_eps (float, optional) – 乘以對角載入的單位矩陣的係數。僅當
diagonal_loading設定為True時才有效。(預設值：1e-7)eps (float, optional) – 要新增至波束成形權重公式中分母的值。(預設值：
1e-8)
- 傳回：
單聲道複數值增強頻譜，維度為 (…, freq, time)。
- 傳回類型：
- 使用
