基于python源码的啸叫抑制算法解析

一 原理解析

从下图一中可以看出，该算法的原理也是先检测出来啸叫，然后通过陷波器来进行啸叫抑制的，和笔者以前分析的所用方法基本耦合。

​

 

二 源码分析

 

函数PAPR:计算峰值功率和平均功率的比值

 

def papr(frame, threshold):
    """Peak-to-Avarage Power Ratio (PAPR)
    Returns all frequency indices where power is greater than avarage power + threshold,
    which are possible candidates where howling occurs.

函数PTPR：计算峰值功率和阈值功率的比值，这里的阈值功率是系统可以产生啸叫的功率阈值，根实际环境有关系。

 

def ptpr(frame, threshold):
    """Peak-to-Threshold Power Ratio (PTPR)

函数PNPR:计算峰值功率和相邻频段功率的比值

 

def pnpr(frame, threshold):
    """Peak-to-Neighboring Power Ratio (PNPR)
    Returns all frequency indices of power peaks,
    which are greater than neighboring frequency bins by a threshold.

函数howling_detect该函数是检测出啸叫频点，是最重要的部分，啸叫抑制的难点就是怎么检出啸叫抑制的频点：这里通过三个维度来筛选，找出共同的频点，认为共同的频点就是啸叫的频点。

 

def howling_detect(frame, win, nFFT, Slen, candidates, frame_id):
    insign = win * frame
    spec = np.fft.fft(insign, nFFT, axis=0)

    #==========  Howling Detection Stage =====================#
    ptpr_idx = pyHowling.ptpr(spec[:Slen], 10)
    papr_idx, papr = pyHowling.papr(spec[:Slen], 10)
    pnpr_idx = pyHowling.pnpr(spec[:Slen], 15)
    intersec_idx = np.intersect1d(ptpr_idx, np.intersect1d(papr_idx,pnpr_idx))
    #print("papr:",papr_idx)
    #print("pnpr:",pnpr_idx)
    #print("intersection:", intersec_idx)
    for idx in intersec_idx:
        candidates[idx][frame_id] = 1
    ipmp = pyHowling.ipmp(candidates, frame_id)
    #print("ipmp:",ipmp)
    result = pyHowling.screening(spec, ipmp)
    #print("result:", result)
    return result

三 总结

 

该算法从 效果来看，效果还是比较不错的，但是有一个维度难以把握，就是阈值的设置，这个是和实际环境有关系的，需要根据实际环境调试，这个也决定了算法的准确度。