logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

NR37-CP神经网络降噪芯片:NPU架构90dB深度降噪,15mA低功耗便携设备首选

NR37-CP 以 NPU 架构 + 15mA 超低功耗 + 90dB 神经网络降噪的三重优势,专为电池供电的便携语音产品设计。I2S/UART/SPI 三接口灵活适配各类主控平台,是助听器、智能耳机和便携录音设备厂家提升产品竞争力的理想芯片方案。深圳德宇科创有限公司 | 语音处理模组专业制造商。

文章图片
Arduino应用-舵机根据声源定位进行方向控制测试

​利用声源定位板让舵机可以根据声源位置定位来控制舵板的方向.因为声源定位板本身已经给出了6个方位高电平的脚位.所以只需要我们在Arduino内调用舵机的程序库.然后各自赋予每个相应角度的各种的舵机角度值就可以做到​

文章图片
#语音识别#c++#单片机 +3
AR-1106半平面TDOA定位的算法鲁棒性与多径场景性能边界

AR-1106是一款基于TDOA(Time Difference of Arrival,时差到达)算法的声源定位专用模块,支持±180°半平面定位(覆盖360°全方向),最大触发距离5m,内置AI降噪与舵机驱动,适用于AI小智音箱、语音机器人、摄像头云台、机器异动检测等场景。实际工程中,Δt的估计依赖互相关算法(GCC, Generalized Cross-Correlation):将两路麦克风信

文章图片
AR-1106半平面TDOA定位的算法鲁棒性与多径场景性能边界

AR-1106是一款基于TDOA(Time Difference of Arrival,时差到达)算法的声源定位专用模块,支持±180°半平面定位(覆盖360°全方向),最大触发距离5m,内置AI降噪与舵机驱动,适用于AI小智音箱、语音机器人、摄像头云台、机器异动检测等场景。实际工程中,Δt的估计依赖互相关算法(GCC, Generalized Cross-Correlation):将两路麦克风信

文章图片
NR2047/A-47即将停产!新一代AI语音模组平滑替代方案全解析

<think>我们根据要求生成≤150字的文章摘要。要简洁概括核心内容。</think>NR2047/A-47经典语音方案因性能稳定曾广泛应用,现已停产。其传统DSP降噪局限于稳态噪音,难以应对复杂环境。新一代AI-ENC模组AU-48、A-59F、AU-60实现智能降噪、更强消回音,分别适配老项目零改板替换、扩音防啸叫及高端全接口新项目,助力平滑升级。

文章图片
#人工智能#语音识别
A-29P神经网络降噪模块:深度学习时频掩码的固件选型与噪声类型适配分析

这也是为什么部分固件版本在标注AI降噪能力时给出范围值(如45–90dB)而非单一数值——该范围的上限对应稳态噪声(风扇声、空调声等统计特性相对稳定的噪声),下限则对应非稳态噪声(敲击声、金属碰撞声等突发噪声)的降噪能力,量化后的模型在非稳态噪声上的性能衰减更为显著。A-29P的AI-ENC降噪模块在固件层面提供了针对不同噪声类型和拾音距离的多版本固件,这一设计选择的背后正是对深度学习模型泛化能力

文章图片
#深度学习#神经网络#智能电视
基于深度学习的AI降噪在矿山强噪环境下的语音增强方案

大型机械运转产生的持续噪声、风钻设备的冲击声、金属碰撞的尖锐噪音、以及爆破作业的突发高噪,使得传统对讲设备几乎无法实现清晰通话。实测数据显示,AI-ENC降噪深度可达45-90dB,覆盖风扇声、空调声、敲击声、风噪、汽车鸣笛、金属碰撞声等多种工业噪声类型,甚至对直接拍打麦克风本身产生的冲击噪声也能有效抑制。接口方面,WX-0813实现了USB UAC免驱接入,兼容Windows、macOS、Lin

文章图片
A-29P神经网络降噪模块:深度学习在语音增强中的硬件实现

这些传统方法基于噪声的统计平稳性假设,对于稳态噪声(如风扇、空调)效果良好,但在瞬态噪声(如敲击声、关门声)和复杂噪声环境下表现受限。A-29P宣称的45-90dB降噪深度,需要高性能的神经网络架构支撑。相比A-47的ENC降噪(45dB),A-29P的AI降噪覆盖更多噪声类型(如拍打麦克风本身),降噪深度也更高(最高90dB)。A-29P适合免提通话设备、车载蓝牙通话、矿山矿井呼叫系统、安防监控

文章图片
A-29P神经网络AEC:深度学习与传统自适应滤波的协同设计分析

基于 NLMS 的自适应滤波器在处理线性回音路径时效果良好,但实际回音路径中往往存在非线性成分——功放的削波失真、扬声器振膜的非线性振动、腔体共振等都会产生难以用线性滤波器建模的回音分量。与传统的固定灵敏度麦克风方案相比,AGC 辅助的远场拾音能够在保持输出电平整流的前提下,兼容更宽范围的拾音距离,减少近场语音过载导致的削波失真。A-29P 在硬件架构层面引入了神经网络推理单元,使得噪声抑制和回音

文章图片
A-29P神经网络语音处理模块:深度学习时频掩码在免提通话AEC中的实现与性能评估

A-29P的100dB AEC指标基于传统自适应滤波器架构实现,其设计挑战在于:高回音深度(100dB)意味着麦克风处回音信号幅度可能是近端人声幅度的100000倍,滤波器需要在如此大的动态范围内准确辨识并消除回音残余。A-29P支持近场(10cm)至远场(500cm)的宽范围拾音,依赖固件内置的AGC模块。A-29P的神经网络降噪能力在矿山矿井呼叫系统中具有特殊价值:矿井环境下风机、水泵、凿岩设

文章图片
    共 84 条
  • 1
  • 2
  • 3
  • 9
  • 请选择