作者：桂。

时间：2017-05-25  10:14:21

主要是《Speech enhancement: theory and practice》的读书笔记，全部内容可以点击这里。

书中代码：http://pan.baidu.com/s/1hsj4Wlu，提取密码：9dmi

未完待续

前言

　　最近学习有一点体会，每一个学科的理论模型都提供了解决问题的思路，一个没有受过教育又迷信权威的头脑，难以从抽象的角度去认识、理解问题，自然科学传递了这样一套思维。例如之前的谱减法，就是具体问题具体分析;维纳滤波，表达了复盘、以及反馈总结的重要性;这一章的统计模型，表达了对于不善于长期记忆的人类，借助历史信息可以获得更多的益处。总结一下，这些模型都表明：认识问题要经过感性-理性-感性的往复过程，很难有一劳永逸的方法，这也提醒思考的时候要小心、并保持客观（因为总有新问题），避免陷入刚愎自用的误区，同时也不必灰心丧气，从Ada-boost的角度来看，任何弱分类器都可以组合成强分类器，自己/他人的经历、经验增加（无论真假，只要努力推理出真与假的倾向），一个基本事实是：合理利用这些信息，总会让人更接近事实真相。具体来说，对于语音降噪，都有：意识到问题——拆解并解决问题 的步骤，这也说明了一个现象：学习、记忆、认知，这些 靠眼耳鼻舌身意 直观接受的过程，如果二次加工，那么效果将会进一步提升。

　　这一章主要是利用统计模型，细节处打算跳过，主要是三种模型：最大似然估计ML、最小均方误差估计MMSE、最大后验估计MAP。

Chapter 7:Statistical-Model-Based Methods