WebRTC NS

噪声频谱使用语音/噪声似然函数进行估计。将接收到的每帧信号和频率分量分类为噪声或语音。
NS主要用于宽带，加性，有色噪声。
WebRTC中NS是对语音/噪声似然比(VAD检测时就用了该方法)函数进行改进，将多个语音/噪声分类特征合并到一个模型中形成一个多特征综合概率密度函数，对输入的每帧频谱进行分析，可以有效地抑制风扇/办公设备等噪声。
抑制过程如下：对接收到的每一帧带噪语音信号，以对该帧的初始噪声估计为前提，定义语音概率函数，测量每一帧带噪信号的分类特征，使用测量出来的分类特征，计算每一帧基于多特征的语音/噪声概率，再对计算出的语音/噪声概率进行动态因子(信号分类特征和阈值参数)加权，根据计算出的每帧基于语音/噪声概率。修改多帧中每一帧的语音概率函数，用更新后的每帧语音概率函数，更新每帧中的初始噪声估计。
基于特征的语音概率函数通过使用映射函数(如sigmod/tanh激活函数)将每帧的信号分类特征映射到一个概率值输出。
分类特征包括：LRT似然比均值特征，频谱平坦度，频谱差异。

原有模型：
专利：
在现有噪声模型基础上增加f噪声估计：

$\beta =0$为白噪声，$\beta >0$粉红噪声建模，$\beta <0$蓝噪声建模。