Matlab Noise Estimation

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.

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.

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.