AudioProcessor - 音频处理与机器学习项目

项目简介

这个项目是我在学习音频处理和机器学习过程中积累的代码和实践。涵盖了从传统的数字信号处理到现代的深度学习音频增强算法，包含滤波器设计、噪声消除、语音转换等功能的实现。

项目结构

AudioProcesser/
├── DSP_Filter_Design/          # 数字信号处理滤波器设计
│   ├── FIRFIlter/              # FIR滤波器实现和测试
│   ├── FIRSimulation/          # Python版滤波器仿真
│   └── IIRFilter/              # IIR滤波器设计和计算核心
├── FrameworkLearning/          # 框架学习
│   ├── GTCRN-Learning/         # GTCRN轻量化降噪算法学习教程
│   └── RVC-Learning/           # RVC语音转换学习
├── Document/                   # 学习资料与参考文档
│   ├── DASP/                   # 音频信号处理基础算法资料
│   ├── FilterDesignInfo/       # 滤波器设计参考
│   ├── Book/                   # 参考书籍
│   ├── Paper/                  # 论文
│   ├── RVC/                    # RVC相关资料
│   ├── Voice Signals Process/  # 语音信号处理
│   └── ...                     # 其他理论文档
├── Test_Audio/                 # 测试音频文件
│   ├── AudioSample-16000hz/    # 16kHz采样率音频
│   ├── AudioSample-48000hz/    # 48kHz采样率音频
│   └── ...                     # 其他音频资源及工具脚本
├── Archived_Workshop/          # 归档项目（早期实践代码）
│   ├── DeepFilterDemo/         # DeepFilter降噪算法的C++实现
│   ├── gtcrn_onnx_runtime/     # GTCRN降噪算法的ONNX推理版本
│   ├── Noise_Reduction_Benchmark/ # 降噪算法性能评估框架
│   ├── NoisyPrint/             # 基于谱减法的噪声消除实现
│   └── RealTime-Mic-Algorithm-Testing-Platform/ # Qt实时算法测试平台
├── LICENSE
├── README.md
└── README.en.md

模块说明

1. 数字信号处理滤波器设计 (DSP_Filter_Design/)

• FIRFIlter/ - FIR滤波器实现和测试
• FIRSimulation/ - Python版的滤波器仿真
• IIRFilter/ - IIR滤波器设计和计算核心

2. 框架学习 (FrameworkLearning/)

• GTCRN-Learning/ - GTCRN轻量化降噪网络结构详解、优化与实践
• RVC-Learning/ - RVC语音转换框架学习

3. 学习资料 (Document/)

• 信号处理基础理论（DASP、滤波器设计原理等）
• 论文和参考书籍
• RVC、语音信号处理等专题资料

4. 测试音频 (Test_Audio/)

• 不同采样率的音频样本（16kHz、48kHz）
• 采样率转换工具脚本

5. 归档项目 (Archived_Workshop/)

早期实践代码，已归档保留作为参考：

• DeepFilterDemo/ - DeepFilter降噪算法的C++实现
• gtcrn_onnx_runtime/ - GTCRN降噪算法的ONNX推理实现
• Noise_Reduction_Benchmark/ - 降噪算法客观评估框架
• NoisyPrint/ - 基于谱减法的噪声消除
• RealTime-Mic-Algorithm-Testing-Platform/ - Qt实现的实时音频算法测试平台

算法对比

算法类型	代表方法	延迟	计算量	效果	适用场景
传统滤波	FIR/IIR	很低	很低	基础	简单噪声
谱减法	NoisyPrint	低	低	中等	平稳噪声
机器学习	DeepFilter	中等	中等	良好	复杂环境
轻量DL	GTCRN	低	中等	优秀	实时通信

项目特点

1. 完整的算法演进 - 从传统滤波器到深度学习降噪都有实现
2. 学习资源丰富 - 有系统的算法学习教程和理论资料
3. 工程实践参考 - 归档项目包含可运行的工程代码

学习建议

1. 入门 - 先看 Document/ 中的信号处理基础理论
2. 实践 - 尝试 DSP_Filter_Design/ 中的滤波器设计
3. 进阶 - 学习 FrameworkLearning/GTCRN-Learning/ 中的深度学习降噪
4. 参考 - 查阅 Archived_Workshop/ 中的工程实现代码

更新历史

2026年2月 - 项目结构重整，归档早期项目，精简目录

2026年1月 - 项目文档整理和重构

2025年11月 - 添加高级音频分析功能（基音检测等）

2025年9月 - 集成GTCRN轻量化降噪算法

2025年4月 - 建立降噪算法评估体系

2025年1月 - 集成WebRTC工业级降噪方案

2024年12月 - 添加FastASR语音识别

2024年10月 - 完善传统算法（谱减法）

2024年7月 - 核心功能开发（DeepFilter、WASAPI、RVC等）

2024年6月 - 项目初始化

许可证

MIT许可证 - 详见 LICENSE 文件

---

最后更新：2026年2月24日 项目状态：活跃开发中