webrtc分位数噪声估计

分位数噪声估计

将最近$L$帧的语音能量进行排序，$|Y(k,t_0)|\le |Y(k,t_1)|\le ...\le |Y(k,t_{L-1})|$,q-分位的噪声估计为
$$N(w,l)=|Y(w,t_{\lfloor qL\rfloor })|$$

分位数噪声估计鲁棒性比较好，但需要对$L$帧的数据进行排序，内存和计算量比较大，为此有人研究了自适应分位数噪声估计[1-3]。

webrtc自适应分位数噪声估计

自适应分位数噪声估计使用的是通用形式如下，
$$\hat{N}(w,l)=\{\begin{array}{l}\hat{N}(w,l-1)+\lambda {\delta }_{+}(w,l),|Y(w,l)|\ge \hat{N}(w,l-1)\\ \hat{N}(w,l-1)-(1-\lambda ){\delta }_{-}(w,l),|Y(w,l)|<\hat{N}(w,l-1)\end{array}$$

基本思想就是如果当前能量比估计的噪声能量高则增加噪声能量，否则就减少噪声能量，那接下来的重点就是如何设计增加和减少的步长，参考文章[2-3]介绍一些估计的方法，具体可以看文章，这里主要说一下自己对webrtc的自适应分位数噪声估计方法的理解，不一定正确，欢迎指正。

1）对数域平滑
采用对数分位数噪声估计，在对数域进行平滑更新噪声能量,即，
$$log(\hat{N}(w,l))=\{\begin{array}{l}log(\hat{N}(w,l-1))+\lambda {\delta }_{+}(w,l),log(|Y(w,l)|)\ge log(\hat{N}(w,l-1))\\ log(\hat{N}(w,l-1))-(1-\lambda ){\delta }_{-}(w,l),log(|Y(w,l)|)<log(\hat{N}(w,l-1))\end{array}$$

2）变步长
$$density(w,l)=\{\begin{array}{l}\frac{count\ast density(w,l)+1/(2d)}{count+1},|log(\hat{N}(w,l-1))-log(|Y(w,l)|)|<d\\ density(w,l-1),others\end{array}$$

概率密度$density(w,l)$的更新公式如上式，其中阈值$d=0.01$，如果当前帧的对数能量和噪声对数能量比较接近,绝对差距小于阈值$d$,则将当前的密度与$1/(2d)=50$ 进行加权平均(增加当前的概率密度函数的数值)，否则不更新。
$${\delta }_{-}(w,l)={\delta }_{+}(w,l)=\{\begin{array}{l}\frac{40}{count},density(w,l)<1\\ \frac{40}{count\ast density(w,l)},others\end{array}$$

步长的更新公式如上式，当概率密度达到阈值1后则减少步长，我的理解是在密度达到阈值后，表示在目标值附近，进行精细化搜索。
其中$count$是从1到200循环计数的，当计数到200则更新噪声估计的值，否则不更新。200是个超参数，至于为什么从小计数到大，我的理解是当$count$数值小时，步长大，当$count$数值大时，步长小，类似于算法收敛一样，先进行大范围搜索，当快达到目标时减少收敛速度，搜索更准确。
同时webrtc设置了三个conut的初始值，同时更新，谁先达到200使用谁的结果，增加更新速度，相当于每200/3次更新一次结果。

参考

【1】Stahl V, Fischer A, Bippus R. Quantile based noise estimation for spectral subtraction and Wiener filtering[C]//2000 IEEE International Conference on Acoustics, Speech, and Signal Processing. Proceedings (Cat. No. 00CH37100). IEEE, 2000, 3: 1875-1878.
【2】Tiwari N, Pandey P C. Speech Enhancement Using Noise Estimation With Dynamic Quantile Tracking[J]. IEEE/ACM Transactions on Audio, Speech, and Language Processing, 2019, 27(12): 2301-2312.
【3】Hammer H L, Yazidi A, Rue H. A new quantile tracking algorithm using a generalized exponentially weighted average of observations[J]. Applied Intelligence, 2019, 49(4): 1406-1420.