WebRTC C++音頻降噪(NS)

WebRtc自帶音頻降噪模塊怯疤,效果良好食呻。

webrtc的NS在業(yè)內還是赫赫有名的友雳,通過實際對比測試稿湿,我們發(fā)現(xiàn)webrtc的降噪的確是性能和穩(wěn)定性

都要高于同類開源算法。

  webrtc的ns原理是這樣的:把啟動前50幀的數(shù)據拿來構建噪聲模型沥阱,把啟動前200幀的信號強度用來計

算歸一化的頻譜差值計算。根據這兩個模型使用概率目的函數(shù)來計算出每幀的信噪比并區(qū)分出噪聲和聲音伊群,

然后根據計算出的信噪比在頻域使用維納濾波器對噪聲信號進行噪聲消除考杉,最后在根據降噪前后的能量比

和信號噪聲似然比對降噪后的數(shù)據進行修復和調整后輸出。

  webrtc的NS使用分析:webrtc的降噪支持三種采樣率舰始,8k崇棠,16k和32k,其它的采樣率的降噪可以通過

瞎采樣來完成丸卷。降噪模式有四種:分別是枕稀,0,1,2,3 四種模式的降噪量依次增加,筆者親自測過谜嫉,一般是2比較

好萎坷,對聲音損失小,降噪效果又不錯沐兰。還有個比較重要的參數(shù)就是噪聲估計模型宏定義哆档,如下所示,推薦在

系統(tǒng)計算能力夠的情況下使用第三種住闯,效果最好瓜浸。

#define PROCESS_FLOW_0 // Use the traditional method.

#define PROCESS_FLOW_1 // Use traditional with DD estimate of prior SNR.

#define PROCESS_FLOW_2 // Use the new method of speech/noise classification.

  使用方法和代碼調用:

初始化:申請內存澳淑,設置采樣率和降噪模式。

WebRtcNs_Create(&pNS_inst);

WebRtcNs_Init(pNS_inst,nSample);

WebRtcNs_set_policy(pNS_inst,nMode);

處理主函數(shù):針對降噪的幀進行處理插佛,默認是10ms的幀長度杠巡。

int WebRtcNs_Process(NsHandle* NS_inst, short* spframe, short* spframe_H,

short* outframe, short* outframe_H)



、----------------------------

經本人測試webrtc僅支持 采樣率8000雇寇,16000氢拥; 其它采樣率處理出來是噪聲。

?著作權歸作者所有,轉載或內容合作請聯(lián)系作者
  • 序言:七十年代末谢床,一起剝皮案震驚了整個濱河市兄一,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌识腿,老刑警劉巖出革,帶你破解...
    沈念sama閱讀 219,427評論 6 508
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異渡讼,居然都是意外死亡骂束,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,551評論 3 395
  • 文/潘曉璐 我一進店門成箫,熙熙樓的掌柜王于貴愁眉苦臉地迎上來展箱,“玉大人果元,你說我怎么就攤上這事驹沿。” “怎么了刻炒?”我有些...
    開封第一講書人閱讀 165,747評論 0 356
  • 文/不壞的土叔 我叫張陵皂贩,是天一觀的道長栖榨。 經常有香客問我,道長明刷,這世上最難降的妖魔是什么婴栽? 我笑而不...
    開封第一講書人閱讀 58,939評論 1 295
  • 正文 為了忘掉前任,我火速辦了婚禮辈末,結果婚禮上愚争,老公的妹妹穿的比我還像新娘。我一直安慰自己挤聘,他們只是感情好轰枝,可當我...
    茶點故事閱讀 67,955評論 6 392
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著组去,像睡著了一般狸膏。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上添怔,一...
    開封第一講書人閱讀 51,737評論 1 305
  • 那天湾戳,我揣著相機與錄音贤旷,去河邊找鬼。 笑死砾脑,一個胖子當著我的面吹牛幼驶,可吹牛的內容都是我干的。 我是一名探鬼主播韧衣,決...
    沈念sama閱讀 40,448評論 3 420
  • 文/蒼蘭香墨 我猛地睜開眼盅藻,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了畅铭?” 一聲冷哼從身側響起氏淑,我...
    開封第一講書人閱讀 39,352評論 0 276
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎硕噩,沒想到半個月后假残,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經...
    沈念sama閱讀 45,834評論 1 317
  • 正文 獨居荒郊野嶺守林人離奇死亡炉擅,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 37,992評論 3 338
  • 正文 我和宋清朗相戀三年辉懒,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片谍失。...
    茶點故事閱讀 40,133評論 1 351
  • 序言:一個原本活蹦亂跳的男人離奇死亡眶俩,死狀恐怖,靈堂內的尸體忽然破棺而出快鱼,到底是詐尸還是另有隱情颠印,我是刑警寧澤,帶...
    沈念sama閱讀 35,815評論 5 346
  • 正文 年R本政府宣布抹竹,位于F島的核電站线罕,受9級特大地震影響,放射性物質發(fā)生泄漏柒莉。R本人自食惡果不足惜闻坚,卻給世界環(huán)境...
    茶點故事閱讀 41,477評論 3 331
  • 文/蒙蒙 一沽翔、第九天 我趴在偏房一處隱蔽的房頂上張望兢孝。 院中可真熱鬧,春花似錦仅偎、人聲如沸跨蟹。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,022評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽窗轩。三九已至,卻和暖如春座咆,著一層夾襖步出監(jiān)牢的瞬間痢艺,已是汗流浹背仓洼。 一陣腳步聲響...
    開封第一講書人閱讀 33,147評論 1 272
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留堤舒,地道東北人色建。 一個月前我還...
    沈念sama閱讀 48,398評論 3 373
  • 正文 我出身青樓,卻偏偏與公主長得像舌缤,于是被迫代替她去往敵國和親箕戳。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 45,077評論 2 355

推薦閱讀更多精彩內容