我正在使用非负矩阵分解进行语音去除。
确切地说，我正在研究Nasser（paris.cs.illinois.edu/pubs/nasser-icassp2015.pdf）的这篇论文，该论文涉及获得室内脉冲响应的最优解（方程10）。所以，为此，我需要先初始化H.他在论文中提到“H的每一行都是使用线性衰减的包络进行相同的初始化”（第4节，第3页末尾）。我需要初始化脉冲响应（H），使其混响时间（T60）为300 ms。设H的长度为10。
这是我尝试过的，但它是一个随意的解决方案。
x=1:10;
h = exp(-x/2);
H = repmat(h,600,1);
这将给我一个尺寸为600 * 10的H。但是，我不明白如何在MATLAB中使用T60进行初始化。
嗯。如果你试图创建一个混响效果，那么H应该只是一个向量，在我看来你有一个10列的矩阵。在创建混响效果时，通常会获得脉冲响应并将其与音频信号进行卷积。在这种情况下，h似乎很随意，我不知道它是否会给你你正在寻找的混响量。但是，如果你想将h作为混响的脉冲响应，那么你所要做的就是用脉冲响应对你的音频信号进行卷积。
[x, fs] = audioread('myaudio.wav');
y = conv(x,h);
如果你有录音的脉冲响应和录音的房间的脉冲响应，你可以使用解压缩来使用Matlab中的deconv函数去除混响。
你应该能够计算出一个公式，这样h只是一个指数衰减的向量，大约需要300ms才能死掉（尽管实际上听起来可能很棘手）
如果您希望通过脉冲响应计算得到更高级的建议，我建议您尝试使用图像源方法来创建脉冲响应。查看以下论文（旧的，但金色的）;
http://www.umiacs.umd.edu/~ramani/cmsc828d_audio/AllenBerkley79.pdf
如果您对盲目反卷积感兴趣，那么您可能会感兴趣。
一个小小的警告，反卷积和房间混响是一个非常棘手的业务。上面给出的图像源模型虽然有趣且有效，但并不能真正捕捉到混响和去混响的复杂性。有几件事可以影响声音（驻波等）我无法保证只使用衰减的指数向量计算RT60并且去卷积将产生惊人的结果。尽管如此，麦芽还是很有趣！