3. Выводы по алгоритму дереверберации с использованием фильтра Винера
Фильтр Винера достаточно хорошо справляется с задачей шумоподавления, но только если сигнал больше шума в 150 раз и больше. При меньших значениях сигнал/шум, возникает шум с нервномерным распределением (около одной частоты). Также у фильтра Винера существует дереверберационный предел. Понятно, что чем хуже качество изначальной записи, тем хуже качество и результата. С другой стороны, иногда важно не качество звука, а информация, которую он несёт. Тогда конечно целесообразно воспользоваться фильтром Винера. Для этого нужно в помещении, в котором проводилась запись, записать ещё тестовый сигнал (импульсный или частотно-модулированный).
Отметим, что построить такой фильтр не всегда возможно. Если искажающий фильтр какие-то частоты полностью подавляет, то, очевидно, восстановить их не удастся. Кроме того, гармоники, которые были подавлены достаточно сильно, могут оказаться ниже уровня шума обрабатывающей системы. В этом случае попытка их восстановления приведет к значительному усилению шума на данных частотах. Таким образом, мы видим, что далеко не всегда удается полностью восстановить исходный сигнал по свернутому. Но приблизиться к исходному сигналу в несколько раз вполне возможно.
4. Выводы по алгоритму слепой дереверберации
Этот метод хорошо работает с одной, двумя задержками. При трёх задержках программа не может рассчитать их параметры из-за того, что график логарифма модуля спектра сигнала имеет около шести ярко выраженных максимумов, величины которых не пропорциональны амплитудам задержек. Кроме того, даже при одной задержке максимум ЛМС не один, его сопровождают максимумы, убывающие по амплитуде на , кратных самой задержке.
Я считаю, что этот метод довольно перспективный, и что он нуждается в дальнейшем изучении.