谱减法和维纳滤波
谱减法和维纳滤波是经典的、预深度学习的降噪主力。
概述
They clean audio by estimating the noise spectrum and mathematically subtracting or attenuating it, and they still underpin many modern systems.
深入探讨
两种方法都在短时傅里叶变换后在频域中工作。频谱减法通常在无声间隙期间估计平均噪声功率，并将其从每帧的幅度谱中减去；剩下的都被视为言语。它简单且便宜，但往往会产生“音乐噪音”，即由于不完美的减法留下孤立的频谱峰值而引起的短暂随机音调。维纳滤波更有原则性：它为每个频率仓导出统计上的最佳增益，以最小化均方误差，并根据估计的信噪比对仓进行加权。以语音为主的垃圾箱经过；以噪音为主的垃圾箱被严重衰减。两者都假设噪音是相对稳定的，这限制了它们免受突然变化的声音的影响。
技术洞察
箱中的维纳增益大致为 SNR / (SNR + 1)，因此高 SNR 箱保留大部分能量，而低 SNR 箱受到抑制。相反，频谱减法计算幅度减去估计的噪声幅度，然后将负值归零。两者在重建波形时都重复使用原始噪声相位，因为人类听觉对短帧中的相位误差相对不敏感。
战略影响
交通与覆盖范围
它通过转录、旁白和语音界面提高了可访问性。
成本与预算
媒体团队可以用更少的预算更快地交付精美的音频。
速度与规模
面向客户的系统可以处理更大规模的语音交互。
谱减法和维纳滤波的未来
这些方法并没有消失；而是正在消失。他们正在被吸收。深度网络现在学习维纳滤波分析得出的掩码，而基于信噪比的增益思想直接启发了神经语音增强中使用的时频掩码。预计将继续用作受限硬件上的轻量级前端、稳定学习模型的先验以及研究人员对新系统进行基准测试的可解释基线。
现实世界的实施
Audacity 等音频编辑器中的降噪预设（频谱噪声消除）
旧式电话和 VoIP 系统中的语音清理
低功耗嵌入式芯片上语音识别前的前端去噪
提高早期助听器和听写系统的清晰度
风险与防护栏
如果未征得同意，语音滥用和冒充风险就会增加。
由于口音、方言或嘈杂的环境，准确性可能会下降。
如果没有明确的标签，合成音频可能会被误认为是真实的语音。
实施路线图
获得语音捕获、克隆和重用的明确同意。
测试不同扬声器和背景条件下的质量。
定义人员必须审查或批准输出的时间。
标记合成音频并保留来源记录以供问责。
不断探索
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
常见问题
What is Spectral Subtraction and Wiener Filtering?
谱减法和维纳滤波是经典的、预深度学习的降噪主力。它们通过估计噪声频谱并以数学方式减去或衰减它来净化音频，并且它们仍然支撑着许多现代系统。
光谱减法通常会带来哪些恼人的伪像？
不完美的减法会留下孤立的频谱峰值，听起来像随机的颤音，称为音乐噪声。
谱减法和维纳滤波主要在哪个域中运行？
两者在处理之前都通过短时傅立叶变换将音频变换到频域。
维纳滤波器试图最小化什么？
维纳滤波计算最小化均方误差的增益，给出统计上的最佳估计。
谱减法通常如何估计噪声谱？
它测量停顿或非语音间隙期间的平均噪声功率，然后从每帧中减去该估计值。
bin 中的维纳增益可以近似为哪个表达式？
增益大致为 SNR/(SNR+1)，因此高 SNR 频段大部分被保留，低 SNR 频段被衰减。