OMLSA算法推导LSA估计增益贝叶斯定理估计条件语音存在概率DD准则估计先验信噪比通过先验信噪比的软决策估计先验语音缺失概率MCRA方法估计底噪递归平滑最小值控制语音存在概率OM-LSA(Optimally-modified log-spectral amplitude)是经典的降噪算法，这里做一个学习总结，把中间的一些公式推导一下，写一些自己的想法，水平有限，欢迎指正。LSA估计增益OM-LS

概要总结OM-LSA(Optimally-modified log-spectral amplitude)是比较经典的单通道降噪算法，之前面试时没有说的很简洁，导致回答的不是很好，这里自己总结一下，水平有限，也欢迎大家指正。omlsa算法是在假设干净语音和噪声的傅里叶变换系数满足复高斯分布，不相干的基础上，以最小化贝叶斯对数幅度谱做为估计器求解最优增益，其中利用了贝叶斯定理将条件语音存在概率转化为

噪声估计在语音降噪中具有重要的作用，噪声估计的准确性决定了降噪效果的好坏，噪声估计算法主要根据语音的特性进行估计，语音具有以下三种特性，现象一在闭塞音闭合段和清摩擦音的低频段时候，频谱能量趋近于噪声水平，并且噪声对语音频谱具有不均匀现象，不同频谱的分量可能具有不同的实际信噪比。在某一频带的信噪比很低的时候，可以按照频带来对噪声进行估计和更新。这个现象对应的算法就是递归平均算法。现象二即使在语音在活

IIR滤波器IIR滤波器定义滤波器结构图直接I型滤波器直接II型滤波器程序仿真参考IIR滤波器定义IIR(infinite impulse response)滤波器，无限冲击响应滤波器,IIR滤波器定义如下，∑l=0Na(l)y(n−l)=∑k=0Mb(k)x(n−k)\sum_{l=0}^{N}a(l)y(n-l)=\sum_{k=0}^{M}b(k)x(n-k)l=0∑N​a(l)y(n−l)

CIC滤波器CIC滤波器是级联积分梳状（Cascaded Integrator-Comb）滤波器的缩写，具有滤波器系数都是1，不需要乘法和线性相位的优点，因此在多速率系统中比较常用，之前研究PDM接口的MEMS麦克风时，将PDM信号转换为PCM时使用过，做个总结。滑动平均滤波器CIC滤波器是受到滑动平均启发来的，定义D点的移动平均为：y(n)=1D[x(n)+x(n−1)+...+x(n−D+1)

STFT的公式可以表示为：X(n,w)=∑n=−∞n=∞x(m)w(n−m)e−jwmX(n,w)=\sum_{n=-\infty}^{n=\infty}x(m)w(n-m)e^{-jwm}X(n,w)=n=−∞∑n=∞​x(m)w(n−m)e−jwm上一篇博客介绍了STFT的可以解释为滤波操作，将www 固定于某个值，X(n,wk)=∑m=−∞m=∞[x(m)e−jwkm]w(n−m)=[...

目的：为了学习kaldi，安装kaldi运行的必要环境，下面先把我踩过的主要坑列举出来，然后在按照我的安装顺序写采坑记录电脑环境：win10系统，显卡GT730M1)坑1 ：试图在虚拟机内安装kaldi因为win10系统内有很多软件，资料，所以我就想着把win10保留下来，如果想在保留win10的基础上实现linux环境，有两种方法，一种是采用虚拟机，一种是采用双系统，为了方便，我就采...