天天看點

基于循環神經網絡RNN/LSTM的信号(模拟信号,音頻信号,圖像信号)降噪方法-初級版程式運作環境為jupyternot

基于循環神經網絡RNN/LSTM的信号(模拟信号,音頻信号,圖像信号)降噪方法-初級版

程式運作環境為jupyter notebook,程式設計語言為pytorch

程式利用RNN和LSTM網絡以測試不同的噪聲信号,例如:具有穩态和非穩态高斯噪聲及均勻噪聲的一維信号(正弦波、三角波和鋸齒波)

具有平穩和非平穩高斯噪聲及均勻噪聲的 2D 曲線(圓形、外擺線)

嘈雜的音樂

噪點灰階圖像

嘈雜的 3 通道圖像

所使用的子產品如下,對音頻信号進行處理需要使用pydub子產品,是以需要pip install pydub

import torch 

import torch.nn as nn

from torch.autograd import Variable

from scipy.io.wavfile import write

#pip install pydub

import numpy as np

import pydub 

from scipy import signal

import IPython

import matplotlib.pylab as plt

from mpl_toolkits.mplot3d import Axes3D

面包多代碼下載下傳

網頁連結

基于循環神經網絡RNN/LSTM的信号(模拟信号,音頻信号,圖像信号)降噪方法-初級版程式運作環境為jupyternot
基于循環神經網絡RNN/LSTM的信号(模拟信号,音頻信号,圖像信号)降噪方法-初級版程式運作環境為jupyternot
基于循環神經網絡RNN/LSTM的信号(模拟信号,音頻信号,圖像信号)降噪方法-初級版程式運作環境為jupyternot
基于循環神經網絡RNN/LSTM的信号(模拟信号,音頻信号,圖像信号)降噪方法-初級版程式運作環境為jupyternot
基于循環神經網絡RNN/LSTM的信号(模拟信号,音頻信号,圖像信号)降噪方法-初級版程式運作環境為jupyternot
基于循環神經網絡RNN/LSTM的信号(模拟信号,音頻信号,圖像信号)降噪方法-初級版程式運作環境為jupyternot
基于循環神經網絡RNN/LSTM的信号(模拟信号,音頻信号,圖像信号)降噪方法-初級版程式運作環境為jupyternot
基于循環神經網絡RNN/LSTM的信号(模拟信号,音頻信号,圖像信号)降噪方法-初級版程式運作環境為jupyternot
基于循環神經網絡RNN/LSTM的信号(模拟信号,音頻信号,圖像信号)降噪方法-初級版程式運作環境為jupyternot
基于循環神經網絡RNN/LSTM的信号(模拟信号,音頻信号,圖像信号)降噪方法-初級版程式運作環境為jupyternot
基于循環神經網絡RNN/LSTM的信号(模拟信号,音頻信号,圖像信号)降噪方法-初級版程式運作環境為jupyternot
基于循環神經網絡RNN/LSTM的信号(模拟信号,音頻信号,圖像信号)降噪方法-初級版程式運作環境為jupyternot
基于循環神經網絡RNN/LSTM的信号(模拟信号,音頻信号,圖像信号)降噪方法-初級版程式運作環境為jupyternot
基于循環神經網絡RNN/LSTM的信号(模拟信号,音頻信号,圖像信号)降噪方法-初級版程式運作環境為jupyternot
基于循環神經網絡RNN/LSTM的信号(模拟信号,音頻信号,圖像信号)降噪方法-初級版程式運作環境為jupyternot
基于循環神經網絡RNN/LSTM的信号(模拟信号,音頻信号,圖像信号)降噪方法-初級版程式運作環境為jupyternot

繼續閱讀