Hat jemand ne Ahnung, wie man eine Nosie Estimation min Matlab umsetzt? Der LSM-Algorithmus braucht ein Referenzsignal, aber ich hab nur ein komplettes Signal indem das Nutzsignal mit dem Rauschen vorhanden ist.
Da braucht es schon ein paar mehr Informationen: welches Signal, welches Rauschen, welche Anwendung?
Sebastian Fuchs schrieb: > Hat jemand ne Ahnung, wie man eine Nosie Estimation min Matlab > umsetzt? > Der LSM-Algorithmus braucht ein Referenzsignal, aber ich hab nur ein > komplettes Signal indem das Nutzsignal mit dem Rauschen vorhanden ist. Das LSM ist nur gut geeignet wenn du ein großen Signal- Rauschabstand hast. Rauschen kann man erst mal als weiß annehmen, da dies eh mit einer Übertragungsfunktion auf ein weißes zurück gerechnet wird. Hast du ein ARX-Modell?
Guten Abend Herr Heinze, Ich versuche gerade aus einem verrauschten Sprachsignal, was ich als wav-Datei habe, dass rauschen herauszubekommen. Ich bekomme also nur das Gesamtsignal s(t) = x(t)+n(t). n(t) ist dabei weißes Rauschen und somit leider komplett zufällig. Bei dem ARX-Modell scheint das Rauschen ohne Sprachanteil separat abgefangen und in das System eingeschleust werden zu können. Vielen Dank. Zumindest weiß ich schonmal, dass ich bei dem LMS auf dem Holzweg bin.
Wie du sagst: wenn du keine Informationen über das Rauschen oder das Signal hast, kannst du das Rauschen nicht vom Signal trennen. Geht einfach nicht.
Hä? Kein Mensch versteht, was Du tun willst. Zufälliges Rauschen kannst Du nicht vom Signal trennen, wenn Du nicht für Signal oder Rauschen eine Referenz hast. Zweites Mikro etc.
Du kannst zwar nicht das Rauschen separieren, aber du kannst das (Kurzzeit-)Leistungsdichtespektrum des Rauschens schätzen. Vielleicht reicht das ja schon. Aber wie gesagt, ohne mehr Hintergrund zu wissen kann man dir nicht helfen.
Sebastian Fuchs schrieb: > Guten Abend Herr Heinze, > > Ich versuche gerade aus einem verrauschten Sprachsignal, was ich als > wav-Datei habe, dass rauschen herauszubekommen. Ich bekomme also nur das > Gesamtsignal s(t) = x(t)+n(t). n(t) ist dabei weißes Rauschen und somit > leider komplett zufällig. Bei dem ARX-Modell scheint das Rauschen ohne > Sprachanteil separat abgefangen und in das System eingeschleust werden > zu können. > Vielen Dank. Zumindest weiß ich schonmal, dass ich bei dem LMS auf dem > Holzweg bin. Was ist das für ein System? Hast du ein Modell? Ich würde einfach ein Kalman Filter entwerfen. Dann kannst du das Rauschen einfach durch subtrahieren des gemessenen Signals mit dem geschätzten Signal identifizieren. Wenn das System linear ist sollte das gehen.
Bitte melde dich an um einen Beitrag zu schreiben. Anmeldung ist kostenlos und dauert nur eine Minute.
Bestehender Account
Schon ein Account bei Google/GoogleMail? Keine Anmeldung erforderlich!
Mit Google-Account einloggen
Mit Google-Account einloggen
Noch kein Account? Hier anmelden.