这又是我的打detector探测器。
当有任何东西时，我非常擅长检测信号-可以跟踪从墙壁剥落的打ore声到您甚至在录音中都听不到的呼吸声。问题是，我无法确定信号何时降至可检测的水平以下，并且该应用程序只是在“听到声音”。而且，不幸的是，打nor /呼吸经常不规则，以至于简单的自相关或类似的间隔定时方案不太可能有很大帮助。（实际上，在某些情况下，噪音比呼吸更规律。）
那么，当没有信号时，我有什么窍门想不通吗？考虑到“信号”的开始是如此的杂音，似乎我在这里遇到了困难。
（也许这与我遇到的另一个问题有关：奇怪的是，即使声音很大，我也无法准确（甚至近似）测量信号电平。由于我仍然需要使用滚动平均值和比率来检测信号，级别信息会迷路。我正在寻找一些技巧来重新构造它。）
基本技巧
（尤达）
对音频信号进行采样（出于各种原因，通常以8000Hz的频率进行采样），然后以1024个块进行FFT。（在我的实验中，汉明滤镜和重叠块似乎影响不大，尽管稍后可能会重新讨论。）
FFT分为“频段”（当前为5个，在大小上稍有偏斜以在低端放置更多细节），并且将每个频段的“频谱差异”和电平相加。峰值限制值的长期平均值用作“阈值”，进一步的偏差调整用于维持大约20％的“超阈值”速率。
每个“超阈值”值的权重均为1（低于阈值的权重为0），但此权重由频段中的表观“可变性”（大约2Hz）进行调整，以赋予频段更大的权重携带更明显的信号。
将频带的权重相加，然后将后续块的权重相加约一秒钟，以产生连续的“得分”。再次将其与运行中的平均阈值（加上几种启发式方法）进行比较，以检测打sn的起伏。
更新资料
我突然想到，如果我的算法有效地保持恒定水平的信号（针对我的信号水平问题），则有效地测量SNR的方法就是在没有信号时测量噪声。
方便地，打sn是断断续续的，中间有很多“死气”。而且我已经在检测打the信封了。因此，在信封外的任何东西（在一个打sn声的结束与下一个打sn声的开始之间）可能是噪音！我可以（以一定程度的准确性/重复性）进行测量。（当然，我们花了三倍的努力才提出了一种中途的算法-现实与理论不符。）
所以我还没有完整的答案，但是我已经取得了进步。
（虽然以上技术为我提供了相当不错的SNR指标，但我仍然无法估计实际的信号水平。我的“相对水平”指示可能会超出刻度，导致几乎听不到呼吸声，对于窗户响尾蛇来说也是如此。我需要某种绝对级别的代理。）