中文

English

首页

绿幕抠图

音频降噪概述一传统降噪方法

517

发表时间：2022-08-16 09:49

一. 噪声的分类：

加性噪声和乘性噪声：

加性噪声：加性噪声和信号直接不相关，满足加性条件。由噪声和源信号相加得到的。种类按照声源，比如风声、汽笛声、键盘敲击声等。

乘性噪声：噪声和信号是相关联的，比如房间的混响、信号的衰减、开普勒效应等。并且往往是从信道传输中产生，也叫信号噪声。

稳态噪声和非稳态噪声：

从降噪的角度，按照噪声是否稳定。

稳态噪声：一直存在且响度、频率分布等特性不随时间变化或变化缓慢。如手机、电脑之类的设备底噪、电脑散热架的风扇声等。

非稳态噪声：这些噪声等统计特性随时间变化比如开关门等声音、门铃声、背景人声等。非稳态噪声按照是否连续又分为连续非稳态噪声（持续的背景人声）和瞬态噪声（敲击声）。

如下图，左稳态噪声右为非稳态噪声：

稳态噪声可以通过之前出现过的噪声进行建模抑制。非稳态噪声则是通过区分和正常语音的差异。另外噪声往往不是单独存在。

二. 如何降噪

1.线性滤波器：

【频段降噪、硬件】

线性滤波器处理方法算力要求较低，但需知道噪声会在哪个频段出现。实际中会先做噪声出现的频段检测，再设计线性滤波器或滤波器组来消除噪声。

常见于音频采集硬件中，因为硬件厂商知道自己的硬件噪声特性。如电路设计中有些频段会有持续的电流声，则可以采用比如高通滤波器消除滴频噪声、用一些陷波滤波器消除某些频段的持续噪声。

2.谱减法

【非人声、减噪声谱、幅度谱减法、功率谱减法】

核心是先取一段非人声音频，记录下噪声的频谱能量，然后从音频频谱中减去这个噪声频谱能量。适用于离线稳态噪声的降噪处理。

3.基于统计模型的实时降噪算法

3.1 核心思想：

用统计的方法估算出音频每个频点对应噪声和语言的能量。 (适用于相对平稳噪声)

3.2 基于两个假设：

噪声相对于人声在时频域上的声学统计特性更稳定。

所有的噪声都满足加性条件。

3.3 维纳滤波

采用最小均方误差准则设计的线性滤波器。

如实时频域维纳滤波器，目标是求当前帧每个频点的能量中有多少占比是语音。只能通过后验的带噪信号与噪声的信噪比估计前验的语音和含噪信号比值。

3.3.1维纳滤波的降噪原理：

从动态平滑的噪声模型得到噪声，根据带噪信号和噪声模型经过维纳滤波器进行降噪。

3.3.2 流程：

短时傅里叶变换（加窗分�。�，再快速傅里叶变换得到模，再求功率谱。

利用功率谱进行分位数噪声估计、语音存在概率、噪声更新以及噪声抑制系数计算。

得到的每个频点的抑制系数乘带噪信号的频谱得到降噪后的频谱。

ISTFT得到降噪后的时域信号。

3.3.3 分位数噪声估计与维纳滤波降噪的特点

分位数噪声估计与维纳滤波的降噪算法逻辑背后的思考：

基于统计的降噪主要是对噪声进行建模(一般是稳态的噪声)。且噪声模型迭代不能太快，比如WebRTC所用的分位数噪声估计是基于频域更新，更新周期大约是700ms。当噪声发生了变化，模型可能需要500ms-4s的时间来收敛到新的噪声模型，并且会存在噪声残留。

降噪思想类似于谱减法，利用无人段进行噪声估计。

为区分人声与非人声采用VAD。这里VAD通过人工提取的特征统计得出的语音存在概率进行判断。特征包括，频谱平坦度、频谱差异度以及先验和后验信噪比的差异得出的似然因子。

3.3.4 Speech Probability的计算流程：

似然因子在频域计算log 均值得到 in dicator0；

根据频谱平坦度和差异度分别得到indicator1/2

语音概率通过三个指标的加权平均和似然因子进行更新。实际更新zhong 概率较大时，噪声模型更新很缓慢，因为语音存在的概率大，反之更新快。

噪声模型是通过分位数据噪声估计得到。比如有经验假设在噪声能量谱里，能量最小的1/4是稳态噪声。应该用这个部分更新初始噪声模型。

利用初始的噪声模型可以得到频谱平坦度、频谱差异度以及对数似然因子，进而得到语音存在概率。有了语音存在概率就可以更新噪声模型。再根据噪声模型和带噪信号，根据加性假设。干净语谱是通过带噪信号减去噪声信号或带噪信号乘。频谱增益。

WebRTC原生降噪算法的三个特点：

由于语音概率的判断降噪在有人声时不会进行噪声模型的更新。优点是不会对语音造成损伤比如不会吃字，但如果噪声在说话的时候发现变化，那么噪声无法被有效消除。

就MMSE的维纳滤波的弊端是对于浊音谐波间的噪声会存在残留。噪声残留随着语音出现，即音乐噪声。

在低信噪比时，语音存在概率的判断会失效，会产生较大的语谱损伤。

3.4 改进方法OMLSA & IMCRA

OMLSA：是对人声估计，通过先验概率和先验信噪比SNR的估计得到有声条件概率。

IMCRA：是对信号的最小值追踪，同样得到先验无声概率和先验信噪比估计，计算条件有声概率，进而获取噪声谱的估计。

两者结合是对功率谱的最小点进行追踪。所以谐波中的音乐噪声由于明显小于谐波的能量就可以被去除，可以有效去除音乐噪声。

4.子空间算法

【NMF、耳机风噪、单独建模】

思想：

子空间算法重要是针对已知的噪声类型，量身定做一个降噪算法。把噪声和人声投影到高纬度的空间，把不容易分离的信号变成高纬度可分的子空间，从而可分的信号。

算法：

NMF（非负矩阵分离）和字典法建模等

算法场景：

比如去除风噪，可以对风噪建模，可以有效去噪。但缺点很明显，每种噪声都得单独建模。

5.基于机器学习的降噪

基于数据驱动的方法，训练神经网络进行降噪。特点是噪声鲁棒性好，能兼顾稳态、非稳态和瞬态噪声。见下一讲

6.其他降噪方法

【麦克风阵列定向增强+单通道降噪】

结合基于麦克风阵列的降噪：采集信号用麦克风阵列，可以使用波束形成的方法先锁定声源方向进行收音，比如说话人的方向进行收音，这样采集的信号信噪比更高，再通过单通道降噪可以更有效。

上一篇音视频格式.mp4和编码格式MPEG4以及ffmpeg转码

下一篇音频基础知识及PCM技术详解

分享到：

友情链接：ERP系统｜驱动IC｜湛江培训网｜24位ADC |

微信公众号：

AG凯发K8国际文档：

功能列表

隐私政策

咨询：18006716739(微信同号)

地址：浙江省杭州市余杭区仓前街道龙园路88号3号楼A1318室(创鑫时代广场)

开发手册