RTFMVDR¶
- class torchaudio.transforms.RTFMVDR(*args, **kwargs)[原始碼]¶
基於相對傳遞函式 (RTF) 和噪聲功率譜密度 (PSD) 矩陣的最小方差無畸變響應 (MVDR [Capon, 1969]) 模組。
給定多通道復值頻譜 \(\textbf{Y}\)、目標語音的相對傳遞函式 (RTF) 矩陣或導向向量 \(\bm{v}\)、噪聲的 PSD 矩陣 \(\bf{\Phi}_{\textbf{NN}}\) 以及表示參考通道的 one-hot 向量 \(\bf{u}\)，該模組計算增強語音的單通道復值頻譜 \(\hat{\textbf{S}}\)。公式定義為
\[\hat{\textbf{S}}(f) = \textbf{w}_{\text{bf}}(f)^{\mathsf{H}} \textbf{Y}(f) \]其中 \(\textbf{w}_{\text{bf}}(f)\) 是第 \(f\) 個頻率 bin 的 MVDR 波束賦形權重，\((.)^{\mathsf{H}}\) 表示 Hermitian 共軛運算。
波束賦形權重透過以下公式計算：
\[\textbf{w}_{\text{MVDR}}(f) = \frac{{{\bf{\Phi}_{\textbf{NN}}^{-1}}(f){\bm{v}}(f)}} {{\bm{v}^{\mathsf{H}}}(f){\bf{\Phi}_{\textbf{NN}}^{-1}}(f){\bm{v}}(f)} \]- 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[原始碼]¶
- 引數：
specgram (torch.Tensor) – 多通道復值頻譜。維度為 (…, channel, freq, time) 的 Tensor。
rtf (torch.Tensor) – 目標語音的復值 RTF 向量。維度為 (…, freq, channel) 的 Tensor。
psd_n (torch.Tensor) – 噪聲的復值功率譜密度 (PSD) 矩陣。維度為 (…, freq, channel, channel) 的 Tensor。
reference_channel (int 或 torch.Tensor) – 指定參考通道。如果資料型別是
int，則表示參考通道索引。如果資料型別是torch.Tensor，其形狀為 (…, channel)，其中channel維度是 one-hot。diagonal_loading (bool, 可選) – 如果為
True，則對psd_n應用對角載入。 (預設值：True)diag_eps (float, 可選) – 對角載入時乘以單位矩陣的係數。僅在
diagonal_loading設定為True時有效。 (預設值：1e-7)eps (float, 可選) – 新增到波束賦形權重公式分母中的值。 (預設值：
1e-8)
- 返回值：
單通道復值增強頻譜，維度為 (…, freq, time)。
- 返回型別：
- 使用
