小波matlab代码视觉麦克风：从视频中被动恢复声音
麻省理工学院视觉麦克风的Python实现[1]。
我们的代码基于原始代码。
它依靠OpenCV来处理视频，依靠SciPy来进行信号处理和写入音频文件，[2]可以计算复杂的可控金字塔。
其他要求是NumPy和Matplotlib。
用法
python
video2sound.py
[-h]
[-o
OUTPUT]
[-s
SAMPLING_RATE]
input_video
positional
arguments:
input_video
The
path
of
the
input
video
optional
arguments:
-h,
--help
Show
this
help
message
and
exit
-o
OUTPUT,
--output
OUTPUT
The
path
of
the
output
file
-s
SAMPLING_RATE,
--sampling-rate
SAMPLING_RATE
The
frame
rate
of
the
input
video
作者
和
。
参考
[1]
DAVIS，Abe
2023-07-10 18:28:48
14.24MB
1
软件：Maltab
资源内容：
使用maltab软件实现声音降噪处理以及麦克风阵列声源定位，可用于8个方位或者16个方位的计算。可以简单修改路径即可使用。
基于Sipeed麦克风阵列模块初步实现的近场声源定位，主控采用stm32f103zet6。 简述实现方法：使用DMA时分复用获取3组I2S麦克风数据到内部SRAM，定位算法通过分析一轮获取数据最大值的位置确定定位方向。
2023-04-19 22:23:07
3KB
1
数据集8732标记了以下10类城市声音的声音摘录（<= 4s）：空调，car_horn，儿童游戏，dog_bark，钻探，引擎怠速，gun_shot，手提凿岩机，警笛声和street_music。
使用称为开源库完成特征提取。 Librosa允许您加载声音文件，提取特征，生成波形图等。 我们将研究标准的多感知器模型以及卷积网络和递归网络。 这是使用完成的，它提供了高级神经网络API。
我想在将来尝试使用的一种模型是时间卷积网络（TCN），它基于对。 TCN的最重要组成部分是因果卷积。 “因果”仅表示在时间步t处的过滤器只能看到不迟于t的输入。 使用膨胀卷积的目的是用更少的参数和更少的层来获得更大的接收场。 TCN还使用残差块，将两个膨胀的卷积层堆叠在一起，并将最终卷积的结果加回到输入中以获得块的输出。
要求：
librosa == 0.6.0 熊猫== 0.20.3 凯拉斯== 2.
2023-04-18 17:06:25
2.96MB
1