Spektral Çıkarma ve Wiener Filtreleme
Spektral çıkarma ve Wiener filtreleme, gürültü azaltmanın klasik, derin öğrenme öncesi çalışma araçlarıdır.
Genel Bakış
They clean audio by estimating the noise spectrum and mathematically subtracting or attenuating it, and they still underpin many modern systems.
Derin Dalış
Her iki yöntem de kısa süreli Fourier dönüşümünden sonra frekans alanında çalışır. Spektral çıkarma, genellikle sessiz aralıklar sırasındaki ortalama gürültü gücünü tahmin eder ve onu her karenin büyüklük spektrumundan çıkarır; geriye kalan her şey konuşma olarak kabul edilir. Basit ve ucuzdur ancak izole edilmiş spektral tepe noktaları bırakan kusurlu çıkarmanın neden olduğu geçici rastgele tonlar olan 'müzikal gürültü' yaratma eğilimindedir. Wiener filtrelemesi daha prensiplidir: ortalama kare hatasını en aza indirmek için her frekans bölmesi için istatistiksel olarak en uygun kazancı elde eder ve bölmeleri tahmini sinyal-gürültü oranlarına göre ağırlıklandırır. Konuşmanın hakim olduğu kutular geçiyor; Gürültünün hakim olduğu çöp kutuları büyük ölçüde zayıflatılmıştır. Her ikisi de gürültünün nispeten sabit olduğunu varsayıyor ve bu da onları ani, değişen seslere karşı sınırlıyor.
Teknik Bilgi
Bir silodaki Wiener kazancı kabaca SNR / (SNR + 1)'dir, dolayısıyla yüksek SNR'li ambarlar enerjilerinin çoğunu korurken düşük SNR'li ambarlar bastırılır. Bunun yerine spektral çıkarma, büyüklüğü eksi tahmini gürültü büyüklüğünü hesaplar ve ardından negatifleri sıfıra indirir. Her ikisi de dalga formunu yeniden oluştururken orijinal gürültülü fazı yeniden kullanır, çünkü insan işitmesi kısa karelerdeki faz hatalarına nispeten duyarsızdır.
Stratejik Etki
Access and reach
Transkripsiyon, anlatım ve ses arayüzleri aracılığıyla erişilebilirliği artırır.
Maliyet ve bütçe
Medya ekipleri daha küçük bütçelerle daha iyi ses kalitesi sunabilir.
Speed and scale
Müşteriyle yüz yüze olan sistemler, sözlü etkileşimleri daha büyük ölçekte işleyebilir.
Spektral Çıkarma ve Wiener Filtrelemenin Geleceği
Bu yöntemler ortadan kaybolmuyor; emiliyorlar. Derin ağlar artık Wiener filtrelemesinin analitik olarak türettiği maskeleri öğreniyor ve SNR tabanlı kazanç fikri, sinirsel konuşma iyileştirmede kullanılan zaman-frekans maskelemesine doğrudan ilham kaynağı oldu. Kısıtlı donanımlarda hafif ön uçlar olarak, öğrenilen modelleri stabilize eden öncelikler olarak ve araştırmacıların yeni sistemleri kıyasladığı yorumlanabilir temeller olarak kullanılmaya devam edilmesini bekleyin.
Gerçek Dünya Uygulaması
Audacity (spektral gürültü giderme) gibi ses düzenleyicilerdeki gürültü azaltma ön ayarları
Eski telefon ve VoIP sistemlerinde ses temizleme
Düşük güçlü gömülü çiplerde konuşma tanıma öncesinde ön uç gürültüsünü giderme
Erken dönem işitme cihazı ve dikte sistemlerinde anlaşılırlığın arttırılması
Riskler ve Korkuluklar
Onay eksik olduğunda sesin kötüye kullanılması ve kimliğe bürünme riskleri artar.
Aksanlar, lehçeler veya gürültülü ortamlarda doğruluk düşebilir.
Sentetik ses, net bir etiketleme olmadan, orijinal konuşmayla karıştırılabilir.
Uygulama Yol Haritası
Sesin yakalanması, klonlanması ve yeniden kullanılması için açık izin alın.
Kaliteyi farklı hoparlörler ve arka plan koşullarında test edin.
Bir insanın çıktıları ne zaman incelemesi veya onaylaması gerektiğini tanımlayın.
Sentetik sesi etiketleyin ve sorumluluk için kaynak kayıtlarını saklayın.
Keşfetmeye Devam Edin
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Spectral Subtraction and Wiener Filtering quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Next guide
Rifüzyon Spektrogramı Difüzyon
Sık sorulan sorular
What is Spectral Subtraction and Wiener Filtering?
Spektral çıkarma ve Wiener filtreleme, gürültü azaltmanın klasik, derin öğrenme öncesi çalışma araçlarıdır. Gürültü spektrumunu tahmin ederek ve onu matematiksel olarak çıkararak veya zayıflatarak sesi temizlerler ve hala birçok modern sistemin temelini oluşturmaktadırlar.
Hangi sinir bozucu eser genellikle spektral çıkarmayla ilişkilendirilir?
Kusurlu çıkarma işlemi, müzikal gürültü adı verilen, rastgele uğultu tonları gibi ses çıkaran izole edilmiş spektral tepe noktaları bırakır.
Spektral çıkarma ve Wiener filtreleme öncelikle hangi alanda çalışır?
Her ikisi de, işlenmeden önce kısa süreli Fourier dönüşümü yoluyla sesi frekans alanına dönüştürür.
Wiener filtresi neyi en aza indirmeye çalışıyor?
Wiener filtreleme, ortalama karesel hatayı en aza indiren kazancı hesaplayarak istatistiksel olarak en uygun tahmini verir.
Spektral çıkarma gürültü spektrumunu tipik olarak nasıl tahmin eder?
Duraklamalar veya konuşma dışı boşluklar sırasında ortalama gürültü gücünü ölçer ve ardından bu tahmini her kareden çıkarır.
Bir depodaki Wiener kazancı hangi ifadeye yakınlaştırılabilir?
Kazanç kabaca SNR/(SNR+1)'dir, dolayısıyla yüksek SNR kutuları çoğunlukla tutulur ve düşük SNR kutuları zayıflatılır.