Программисты — удалённая работа в Москве

цифровая обработка сигналов на Pyton. Проект. Добрый вечер! Написать рабочий код на Python и объяснить его (желательно в Jupyter Notebook + отдельные .py-модули) который: • берёт чистые WAV-файлы речи (16 кГц) и шума самолёта, • пропускает речь через имитацию авиационного канала (узкополосный фильтр 300–3400 Гц, ресэмпл 8 кГц) и добавляет шум при SNR = 0/5/10 дБ, • улучшает получившийся сигнал: предыскажение + эквалайзер, спектральное вычитание (или Wiener), AGC. Пример. GPT выдает возможно рабочий код, но я не разбираюсь в программировании, проверить не могу • Возьмём чистые записи речи. • Искусственно «испортим» их авиационными шумами и ограниченной полосой частот — так мы получим имитацию радиоканала. • Прогоним искажённый сигнал через простую цепочку цифровой обработки, чтобы вернуть разборчивость. • Проверим, действительно ли стало лучше — цифрами (SNR, STOI) и живыми людьми. 2. Что нужно установить 2.1 Скачайте и поставьте «Anaconda Individual Edition» (так проще всего получить Python). 2.2 Откройте Anaconda Prompt и введите: conda create -n aviadsp python=3.10 conda activate aviadsp pip install numpy scipy librosa soundfile pystoi pypesq matplotlib tqdm ipywidgets 2.3 Поставьте Jupyter: pip install jupyterlab 3. Создаём рабочую папку mkdir %USERPROFILE%\aviation_dsp cd %USERPROFILE%\aviation_dsp 4. Скачиваем и подготавливаем данные 4.1 Речь (корпус CMU Arctic): wget https://festvox.org/cmu_arctic/cmu_us_bdl_arctic/packed/cmu_us_bdl_arctic-0.95-release.zip unzip cmu_us_bdl_arctic-0.95-release.zip 4.2 Шумы (пример: реактивный двигатель): wget https://www.freesound.org/data/previews/91/91169_634166-lq.mp3 -O jet.mp3 ffmpeg -i jet.mp3 -ar 16000 -ac 1 jet.wav 4.3 Отберём 75 случайных фраз и обрежем шум до 3-4 минут. Самый простой способ — открыть Jupyter и выполнить: import glob, random, soundfile as sf, librosa, os, shutil, numpy as np, tqdm os.makedirs('clean', exist_ok=True) src = glob.glob('cmu_us_bdl_arctic/wav/*.wav') random.seed(0); random.shuffle(src) for f in src[:75]: shutil.copy(f, 'clean') noise, _ = librosa.load('jet.wav', sr=16000) sf.write('noise.wav', noise[:16000*180], 16000) 5. Пишем код: имитация радиоканала Создайте файл channel.py: import numpy as np, scipy.signal as sg, librosa FS_IN, FS_CH = 16000, 8000 bp_taps = sg.firwin(255, [300, 3400], fs=FS_IN, pass_zero=False) def simulate(clean16, noise16, snr_db): # 1. Бортовой фильтр + ресэмплинг limited = sg.lfilter(bp_taps, 1, clean16) limited = sg.resample_poly(limited, FS_CH, FS_IN) # 2. Уравняем уровни RMS noise16 = noise16[:len(clean16)] limited_n = sg.lfilter(bp_taps, 1, noise16) noise8 = sg.resample_poly(limited_n, FS_CH, FS_IN) p_clean = np.mean(limited**2) p_noise = np.mean(noise8**2) k = np.sqrt(p_clean / (10**(snr_db/10)*p_noise)) noisy = limited + k*noise8 return noisy 6. Пишем код: блок «улучшения» речи Файл enhance.py: import numpy as np, scipy.signal as sg FS = 8000 # 6.1 Предыскажение + эквализация pre_coef = 0.97 eq = sg.firwin2(129, [0,250,900,3000,3600,4000], [-6,-2,0,3,0,-12], fs=FS) # 6.2 Спектральное вычитание def spectral_sub(y, n_fft=256): f,t,Z = sg.stft(y, FS, nperseg=n_fft, noverlap=n_fft//2) mag, ph = np.abs(Z), np.angle(Z) noise = np.mean(mag[:,:10], axis=1, keepdims=True) mag_hat = np.maximum(mag - 2.5*noise, 0.01*noise) Z_hat = mag_hat*np.exp(1j*ph) _, x = sg.istft(Z_hat, FS, nperseg=n_fft, noverlap=n_fft//2) return x # 6.3 AGC def agc(x, target=-22, gmax=12): win = int(0.04*FS) level = np.sqrt(sg.convolve(x**2, np.ones(win)/win,'same')) gain = np.clip(10**((target - 20*np.log10(level+1e-6))/20), 10**(-gmax/20), 10**(gmax/20)) return x*gain def enhance(y): y1 = sg.lfilter([1,-pre_coef],1,y) # предыскажение y2 = sg.lfilter(eq,1,y1) # эквалайзер y3 = spectral_sub(y2) # шумоподавление y4 = agc(y3) # выравнивание громкости return np.clip(y4, -1, 1) 7. Проверяем цепочку на одной фразе import soundfile as sf, numpy as np, librosa, channel, enhance clean, _ = librosa.load('clean/arctic_a0001.wav', sr=16000) noise, _ = librosa.load('noise.wav', sr=16000) noisy = channel.simulate(clean, noise, snr_db=0) proc = enhance.enhance(noisy) sf.write('noisy.wav', noisy, 8000) sf.write('proc.wav', proc, 8000) print('done – слушайте noisy.wav и proc.wav')...