音频信号处理-降噪方法整理

谱减 

噪音谱是静态 

依赖对于估计噪声的准确性 由于存在频点估计误差，导致相应频点移植过多或过少，形成谱峰（音乐噪声）估计噪声进行平滑处理，平滑的增益要和SNR成正比

根据非语音段估计得到噪声的幅度谱 通过谱减后的语音谱 进行傅里叶逆变换

维纳滤波 

会残留白噪声

从带噪语音端中减去经过维纳滤波后的降噪分量幅度谱，使用带噪语音相位，最后傅里叶逆变换

使用MMSE（最小均方误差）准则迭代维纳滤波器中噪声抑制系数 来降噪 

对噪声的估计方法：VAD、全局幅度最小原理、矩阵奇异值分解原理

子空间法 由于实时性差，实际情况下，噪音和语音子空间并不满足正交性，导致最终降噪效果比较差

webrtc 降噪 （核心基于维纳滤波）

对似然比函数进行改进，将多个语音/噪声分类特征组合在一起形成多特征概率密度声源分类模型。对于风扇，电器类噪音，抑制效果很好，对于低信噪比，和瞬变噪声场景效果不佳

深度学习降噪

rnnoise 比 sppex效果好 数据增强方法扩充训练集 降噪效果取决于 训练集中没有相关场景的噪音模型泛化念能力不够

或者选择不同网络结构 

DCUNet 增强了网络的感知能力 

相位信息影响的是语音质量而非可懂度