2020-09-21

2280及声卡音频信号质量比对

1 频谱分析

  • 测试目的 : 声卡和2280对各频点的相应,是否有很大区别

  • 测试信号 : 1-48k扫频信号(Sweep_48k)

  • 测试方法 :
    1 用电脑连接音箱播放测试扫频信号,
    2 声卡接收通路为:楼氏mic-声卡-QTdemo。2280接收通路为:驻极体mic-(7210)-2280-南京SDK
    3 数据处理:QT写dat转wav,取用第一路mic的输出结果:1.wav ;2280用exe录音获取bin文件,cooledit取audio1.bin的左声道,上面一个数据copy to new 存为pcm/wav格式
    4 对齐处理:

方法1 :广义互相关计算TDOA

两段语音截取特征相似的一段内容,计算互相关,取最大值的点为计算延迟点数

数学模型描述:
r_1(t) = s(t)+n_1(t)\\ r_2(t) = s(t-D)+n_2(t)
其中s ( t )是声音信号,n_1 ( t ) , n_2 ( t )是两个声音传感器检测噪声,D就是声音信号在两个麦克风传感器上的到达时间差(TDOA),或称为时间延迟(Time Lag),表示以一个传感器为基准,信号到达另一个传感器的延迟。
R_{1,2}(\tau) = E\{r_1(t)·r_2(t+\tau)\}\\ \hat{D}= {arg\max}_{\tau}R_{1,2}(\tau)
假设通常假设声音信号s ( t ) , n_1 ( t ) , n_2 ( t )是广义稳定随机过程且三者之间不相关。可以使用两个传感器获得信号之间的互相关最大化来得到该时间延迟。
\hat{R_{1,2}}(\tau) =\cfrac {1}{T-\tau}\int^{T}_{t}{x_1(t)·x_2(t-\tau)d\tau}\\
实际应用中,r_1 ( t ) , r_2 ( t )通常都是采集到的有限长T 的信号x_1(t),x_2(t),因此s ( t ) , n_1 ( t ) , n_2 ( t )只要在时间T内近似保持平稳和不相关即可求得互相关。
sinβ= Lc⋅τ
通过两个相距L的传感器上所得到的信号到达时间差\tau(TDOA),可以计算出声音的方向

close all
clc 
clear

filepath1 = 'E:\1_QT\sound_dat_mtl_tool\soundData\85\01.wav';
filepath2 = 'D:\work\erase\09112280\0008_2.pcm';
fid = fopen(filepath2,'rb');
y = fread(fid,'int16');
[x, FS]=audioread(filepath1);
%% 找一段幅度特征明显的语音
 s1 = x(670000:720000);
 s2 = y(670000:770000);
 [acor,lag] = xcorr(s1,s2);
 [~,I] = max(abs(acor));
 lagDiff = lag(I);

[图片上传失败...(image-661f2a-1650335257513)]

可能的弊端是,如果信号不是宽带信号,则使用普通的互相关所检测到的峰值就会不明显,而且受到噪声影响很大。因此推荐用广义互相关法。

方法2

广义互相关:GCC

S(f)=∫ _{−∞}^{∞} { R(τ)⋅e ^{−j2πfτ}} dτ\\ \tilde{R}(τ)=∫ \cfrac{S(f)}{∣S(f)∣} e ^{+j2πfτ} df\\ \tilde{D} = arg\max_τ \tilde{R} (τ)
其中R(\tau)是法1中的\hat{R_{1,2}}(\tau),对R(\tau)进行傅里叶变换,再去掉幅度影响进行傅里叶逆变换得\tilde{R}(τ),对其求求max得到使广义互相关\tilde{R}(τ)最大的\tau\tilde{D}

计算结果延迟点零点在互相关长度一半的位置,互相关acor的起始索引为1,而非复数

MTL关键代码如下:

S = fft(acor);%acor为计算出的互相关,长度为2·len+1
R = ifft(S./abs(S));
[R_max,Ridx] =  max((R));%%注意Ridx需要减去len
stem(1:length(lag), R)

[图片上传失败...(image-9cf74d-1650335257513)]

此例中file1落后于file2,Ridx-len = -4359

TDE (Time Delay Estimation)时延估计

tde的典型计算方法:

[图片上传失败...(image-7b0cb4-1650335257513)]

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 219,490评论 6 508
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,581评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 165,830评论 0 356
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,957评论 1 295
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,974评论 6 393
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,754评论 1 307
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,464评论 3 420
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,357评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,847评论 1 317
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,995评论 3 338
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,137评论 1 351
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,819评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,482评论 3 331
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 32,023评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,149评论 1 272
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,409评论 3 373
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 45,086评论 2 355

推荐阅读更多精彩内容

  • 2020.9.211、问题:1. 2020.9.221、要求自己比坑低,要求别人比天高 2020.9.231、每个...
    秦小小羽阅读 140评论 0 0
  • TDOA 方法的基本原理就是根据信号到达监测区域中的几对节点之间的时间差,求得距离差来确定声源的位置。对于一个传感...
    帅气滴点C阅读 1,385评论 0 1
  • ​ 研究生阶段第一个项目就是室内蓝牙定位,特此分析一下现在国内外专家研究室内导航定位方法和技术进行的探...
    DecadeHeart阅读 2,142评论 0 1
  • 今天我们来谈一谈,如何对付小人,是不是该给小人们一些教训。 01 首先,如何界定小人。小人,基本上是你身边的人,是...
    KevinStewart阅读 1,011评论 0 6
  • 一、run()和start()方法区别 run()方法只是线程的主体方法,和普通方法一样,不会创建新的线程。只有调...
    M_菜鸟笔记阅读 259评论 0 0