趁着最近手头上的事比较少，想把自己前段时间的事情总结一下，由于目前主流的开源识别项目Kaldi前端支持较差，我闲着没事干，把前期做的一些事情迁移到Kaldi上来。为啥叫做闲着没事呢，因为这些代码用python或者MATLAB实现相比C++真的太简单了（就当是为开源社区做点贡献吧）……不过话说回来，迁移到Kaldi上还是有一点方便的，就是速度，以后做一些验证性的实验或者前端baseline，前后端打通的话，基本做一下数据准备就OK了，省去了很多重新组织代码，脚本的时间。
我前期做的一些事情个人感觉比较简单，主要是基于mask的单通道，多通道增强（此处应有汪大师的一系列论文）。目前想做的工作如下：
- Different mask computation(binary|ratio|complex|phase-sensitive）
- CGMM mask estimator on Kaldi
- STFT-based feature extraction and wave reconstruction
- Adaptive (MVDR/GEV/GSC) beamformer based on mask or signal methods
- TDOA estimation algorithm
- NMF methods on speech enhancement or seperation
repo地址kaldi-enhan，目前已经实现和测试完成的部分包括
- Compute binary|ratio masks
- Compute (phase angle/power&magnitude spectrum/complex STFT results) of source wave
- Seperate target component from source wave according to reference masks
- Estimate wave from enhanced spectrum and reference wave
- MVDR/GEV beamformer(based on mask model)
前端实现的核心库操作主要是复矩阵的运算，我目前已经整体搭建起来了，风格同Kaldi的Matrix/Vector Class，内部调用OpenBlas/CLAPACK接口，目前我在OSX和RedHat上已经
测试通过。
关于以上的一些工作我一直觉得比较简单没有写Blog，尤其是single channel的部分，后期考虑有时间的话补上。
写于2018.4.14