谱减法（Spectral Subtraction）进行降噪

最新推荐文章于 2022-12-03 13:42:49 发布
最新推荐文章于 2022-12-03 13:42:49 发布
阅读量1.1w 收藏 45
点赞数 9
分类专栏： 声音处理 文章标签： 声音去噪 谱减法 信号处理 声音处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Lebronze/article/details/53541123
版权

谱减法是一种利用语音信号的短时平稳特性，从带噪声的语音信号短时谱中减去噪声的短时谱，从而得到纯净语音的频谱。
该方法是针对宽带声音信号去噪的方法，对加性噪声效果比较好。

下面是我个人总结的一个流程：
这里写图片描述

其中谱减部分具体有三种方法：
（1）利用幅度谱进行谱减。 （图中④式）
（2）利用功率谱进行谱减。 （图中⑤式，alpha取2）
（3）alpha-beta法进行改进，可以减少音乐噪声（图中⑤式）
关键部分的话就是谱减以及最后的声音恢复（4）。

欢迎大家进行讨论与批评

Lebronze
关注
  • 9
    点赞
  • 踩
  • 45
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
专栏目录
语音降噪初探——谱减法
学如不及,犹恐失之
09-26 1万+
目录 1. 谱减法原理 2. 谱减法的实现 3.Berouti谱减法的实现 语音降噪是语音信号处理的初始步骤，目前已经有很多成熟的算法。而谱减法作为经典的降噪算法实现简单，运行处理快，被广泛的应用在语音降噪领域。 1. 谱减法原理 谱减法顾名思义，就是用带噪信号的频谱减去噪声信号的频谱（幅度谱和功率谱均可）。谱减法基于一个简单的假设：假设语音中的噪声只有加性噪声，只要将带噪语音谱减去噪声谱，就可以得到纯净语音，这么做的前提是噪声信号是平稳的或者缓慢变化的。提出这个假设就是基于短时谱（25ms）.
语音增强（降噪）之一——谱减法
weixin_30709061的博客
05-13 5640
博主最近转战语音增强研究，刚学习了最基础也是最成熟的方法——谱减法，最早是boll提出的《Suppression of acousic noise in speech using spectral subtraction》。http://blog.csdn.net/leixiaohua1020/article/details/47276353链接中的这边博客给我帮助很大，比较详细，matlab源...
[投稿]谱减法语音降噪原理
热门推荐
雷霄骅(leixiaohua1020)的专栏
08-04 8万+
本文是音频处理的朋友icoolmedia（QQ：314138065）的投稿。各位做视音频技术朋友如果好的原创技术文章并希望通过我的博客分享给大家，也欢迎投稿到我的邮箱：leixiaohua1020@126.com，我会选择内容合适的文章注明作者及联系方式后进行发布。希望通过这种方式帮助大家结交更多的同道中人~谱减法语音降噪基本原理谱减算法为最早的语音降噪算法之一，它的提出，基于一个简单的原理
Spectral Subtraction
Fxing的博客
07-04 155
Spectral Subtraction is a way to reduce audio noise.Spectral information required to describe the noise spectrum is obtained from the signal measured during nonspeech activity.So,we need get some nonspeech frames to define noise spectrum.
基于谱减法的声音去噪
weixin_34289454的博客
03-30 604
转载请注明出处: http://xiahouzuoxin.github.io/notes/谱减法模型实际听觉环境中，肯定是含有噪声的，那掺杂有噪声的声音信号中原声音信号和噪声信号是怎样体现的呢？一种普遍被使用的方法是：採集到的声音信号永远都是原信号与噪声信号的叠加，即模型是信号的直接叠加，这就要满足：原信号与噪声信号不相关。事实上有些情况下这个条件是不满足的，所以依旧有非常多其它的模型，如有人...
基本谱减法去噪
Charles' home
04-05 2万+
在语音去噪中最常用的方法是谱减法，谱减法是一种发展较早且应用较为成熟的语音去噪算法，该算法利用加性噪声与语音不相关的特点，在假设噪声是统计平稳的前提下，用无语音间隙测算到的噪声频谱估计值取代有语音期间噪声的频谱，与含噪语音频谱相减，从而获得语音频谱的估计值。谱减法具有算法简单、运算量小的特点，便于实现快速处理，往往能够获得较高的输出信噪比，所以被广泛采用。该算法经典形式的不足之处是处理后会产生具有
subspec_magic.rar_spectral subtraction_谱减法 语音 降噪_谱减法、_谱减法降噪_闄嶅櫔
07-14
谱减法实现语音的降噪，经典的谱减法~~~
subplus.rar_spectral subtraction_谱减法
07-15
谱减法（Spectral Subtraction）是一种在音频信号处理领域广泛应用的噪声抑制技术，主要用于去除音频信号中的背景噪声。此技术的基本思想是估计并扣除噪声频谱，从而增强目标信号的清晰度。在这个名为"subplus.rar_...
the spectral subtraction method_麦克风阵列_谱减法_
10-03
谱减法（Spectral Subtraction）是音频处理领域中一种常用的噪声抑制技术，尤其在麦克风阵列应用中，它能有效地提升语音的清晰度和可理解性。在这个主题下，我们将深入探讨谱减法的基本原理、实现步骤以及在麦克风...
谱减法.rar_Boll谱减法_多窗谱_谱_谱减法 matlab_谱减法 matlab
07-14
标题中提到的"谱减法.rar_Boll谱减法_多窗谱_谱_谱减法 MATLAB_谱减法 MATLAB"，表明这个压缩包包含了一系列与谱减法相关的MATLAB代码，其中包括基础的谱减法、Boll改进的谱减法以及多窗谱谱减法的实现。这些方法都...
SpectralSubtraction.m
03-25
谱减法 signal 输入信号 noise 噪声flag==0 表示采用幅度谱减法 flag==1 表示采用功率谱减法
谱减法降噪函数
10-20
spectrum_sub.m是谱减法降噪函数，matlab程序，对于非随机噪声效果特别好。
基于谱减法进行语音去噪的算法研究与实现
05-03
基于matlab的 谱减法语音去噪的算法研究 与实现
谱减法.谱减法.rarrar
06-19
谱减法.谱减法.rarrar
一种基于改进谱减法的语音去噪新方法
05-23
一种基于改进谱减法的语音去噪新方法一种基于改进谱减法的语音去噪新方法
lms.rar_lms 语音_noise reduction _spectral subtraction_改进lms_改进谱减
09-23
"lms.rar_lms 语音_noise reduction_spectral subtraction_改进lms_改进谱减"这一标题暗示了我们讨论的核心是利用LMS（Least Mean Squares，最小均方误差）算法来改进传统的谱减法，以提升噪声抑制的效果。...
基本谱减法降噪
weixin_52804126的博客
12-03 2417
基本谱减法减噪
音频噪声抑制（7）：利用基本谱减法实现噪声抑制
qcyfred的博客
12-15 8108
高二的时候吧，我们拍过一部校园DV剧…《十六岁的伤悲》……班上的大叔用Cool Edit Pro这个软件，给剧中的旁白去了噪声。大致过程是这样的（Cool Edit Pro 去噪）1. 在录音的时候，先空出几秒不说话，相当于是在录环境噪声；2. 然后开始录配音演员的声音；3. 用Cool选出前面那段噪声，分析一下噪声的参数；4. 把整段音频选中，导入刚刚分析出来的参数实现降噪处理。有点神奇。7年过...
Python音频信号处理 2.使用谱减法去除音频底噪
Cy_coding的博客
04-08 6425
使用谱减法去除音频底噪 上一篇文章我主要分享了短时傅立叶变换及其逆变换在python中的实现，有兴趣的可以阅读一下该篇文章，地址如下： Python音频信号处理 1.短时傅里叶变换及其逆变换 那么在本篇文章中，我们将利用短时傅立叶变换及其逆变换来实现谱减法。 Part 1 ：谱减法 谱减法的核心思路非常简单，顾名思义，谱减法是一种频域上的信号处理方法，其基本思路就是提取出信号本身的频谱以及噪音的频...
c语言谱减法实现wav音频降噪输出例子
最新发布
04-26
好的，以下是一个简单的C语言谱减法实现wav音频降噪的例子： ``` #include <stdio.h> #include <stdint.h> #include <stdlib.h> #include <math.h> #define PI 3.14159265358979323846 typedef struct { uint32_t ChunkID; uint32_t ChunkSize; uint32_t Format; uint32_t Subchunk1ID; uint32_t Subchunk1Size; uint16_t AudioFormat; uint16_t NumChannels; uint32_t SampleRate; uint32_t ByteRate; uint16_t BlockAlign; uint16_t BitsPerSample; uint32_t Subchunk2ID; uint32_t Subchunk2Size; } WavHeader; int16_t* read_wav_file(char* filename, WavHeader* header) { FILE* fp = fopen(filename, "rb"); if (fp == NULL) { printf("Error: cannot open file %s\n", filename); return NULL; } fread(header, sizeof(WavHeader), 1, fp); if (header->ChunkID != 0x46464952 || header->Format != 0x45564157 || header->Subchunk1ID != 0x20746D66 || header->AudioFormat != 1 || header->BitsPerSample != 16 || header->Subchunk2ID != 0x61746164) { printf("Error: invalid file format\n"); fclose(fp); return NULL; } uint32_t num_samples = header->Subchunk2Size / (header->NumChannels * (header->BitsPerSample / 8)); int16_t* buffer = (int16_t*)malloc(num_samples * sizeof(int16_t)); fread(buffer, sizeof(int16_t), num_samples, fp); fclose(fp); return buffer; } void write_wav_file(char* filename, WavHeader* header, int16_t* buffer) { FILE* fp = fopen(filename, "wb"); if (fp == NULL) { printf("Error: cannot create file %s\n", filename); return; } fwrite(header, sizeof(WavHeader), 1, fp); fwrite(buffer, sizeof(int16_t), header->Subchunk2Size/sizeof(int16_t), fp); fclose(fp); } double blackman_window(int n, int N) { return 0.42 - 0.5 * cos(2 * PI * n / (N-1)) + 0.08 * cos(4 * PI * n / (N-1)); } void spectral_subtraction(int16_t* buffer, uint32_t num_samples, uint32_t sample_rate, uint16_t window_size, uint16_t overlap, double reduction_factor) { uint16_t num_windows = (num_samples - window_size) / (window_size - overlap) + 1; double* power_spec = (double*)malloc(window_size/2 * sizeof(double)); double* noise_spec = (double*)malloc(window_size/2 * sizeof(double)); double* noise_estimate = (double*)calloc(window_size/2, sizeof(double)); double* noise_reduction = (double*)calloc(window_size/2, sizeof(double)); double temp; uint16_t i, j, k, idx; for (i = 0; i < num_windows; i++) { // apply blackman window to the current window for (j = 0; j < window_size; j++) { temp = (double)buffer[i*(window_size-overlap) + j] / 32768.0; temp *= blackman_window(j, window_size); power_spec[j] = temp * temp; } // calculate noise estimate for (j = 0; j < window_size/2; j++) { noise_spec[j] = 0; for (k = 0; k < num_windows; k++) { idx = k*(window_size-overlap) + j; temp = (double)buffer[idx] / 32768.0; temp *= blackman_window(idx-k*(window_size-overlap), window_size); noise_spec[j] += temp * temp; } noise_spec[j] /= num_windows; noise_estimate[j] = reduction_factor * noise_spec[j] + (1 - reduction_factor) * noise_estimate[j]; } // subtract noise estimate for (j = 0; j < window_size/2; j++) { if (power_spec[j] > noise_estimate[j]) { power_spec[j] -= noise_estimate[j]; } else { power_spec[j] = 0; } noise_reduction[j] = noise_estimate[j] / (noise_estimate[j] + power_spec[j]); } // apply inverse FFT to obtain denoised window // (here we skip the inverse FFT part for simplicity, and just use the original window) for (j = 0; j < window_size; j++) { temp = (double)buffer[i*(window_size-overlap) + j] / 32768.0; buffer[i*(window_size-overlap) + j] = (int16_t)(temp * noise_reduction[j] * 32768.0); } } free(power_spec); free(noise_spec); free(noise_estimate); free(noise_reduction); } int main() { WavHeader header; int16_t* buffer = read_wav_file("input.wav", &header); if (buffer == NULL) { return 1; } spectral_subtraction(buffer, header.Subchunk2Size/sizeof(int16_t), header.SampleRate, 512, 256, 0.5); write_wav_file("output.wav", &header, buffer); free(buffer); return 0; } ``` 这个例子实现了基于谱减法的简单音频降噪，输入为一个16位带符号整数的wav文件，输出也是一个wav文件。程序首先读入文件头信息和音频数据，然后对每个大小为512的窗口（前后重叠256）分别进行以下操作： 1. 对当前窗口应用黑曼窗口，将时域信号转换到频域 2. 用所有窗口的平均功率谱作为噪声功率谱的估计值 3. 根据给定的降噪因子，计算当前窗口的噪声功率谱估计值，用它和信号功率谱进行比较 4. 如果信号功率谱大于噪声功率谱估计值，则将信号功率谱减去噪声功率谱估计值，否则将信号功率谱置为0 5. 用之前估计的噪声功率谱估计值和减法结果计算噪声的红减系数 6. 将红减系数应用于当前窗口的频域信号，得到去噪后的窗口信号 注意，这个实现的FFT部分没有包含在代码中，需要自己实现或使用第三方库。而且，这个实现可能并不完美，因此需要根据具体情况进行优化。
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值