大幅降低移動電話非穩(wěn)態(tài)噪聲的九個步驟

圖1. 在采用瞬時非穩(wěn)態(tài)噪聲抑制技術前后的時域波形。

　　1．理解穩(wěn)態(tài)和非穩(wěn)態(tài)噪聲之間的差異

　　由于其相對穩(wěn)定的特性—例如嘈雜的鼓風機環(huán)境中，穩(wěn)態(tài)噪聲可以很容易地被識別，能用傳統(tǒng)的新好處理方法輕易地去除。相反，非穩(wěn)態(tài)噪聲具有快速或隨即的變化，例如一個人的說話聲、背景音樂或按鍵音。當非穩(wěn)態(tài)噪聲被作為噪聲識別的時候，這些噪聲實際上已經(jīng)通過，因此需要更成熟的噪聲抑制方法。

　　2．使用兩個麥克風來改善對聽覺現(xiàn)場的理解

　　下一代噪聲抑制技術，例如聽覺場分析(ASA)、波束成形(BF)和盲源隔離(BSS)使用幾個麥克風來更準確地識別、定位以及噪聲源分組，準確性比單個麥克風更高。當今的手機制造商已經(jīng)意識到這種趨勢，在手機的架構中引入了第二個麥克風。

　　3． 利用分組原理來分隔聲音點

　　分組方法簡化了噪聲抑制，同時還能確定非穩(wěn)態(tài)噪聲源。例如聽覺場分析(ASA)使用人的聽覺通道作為一個模型，按照人實際對某個聲音的聽覺來處理噪聲。通過多聲學能量進行分組來重新產(chǎn)生原來的聲音，ASA實現(xiàn)了來自多個源的準確分組，同時避免任何聽覺上應該分開的聲音被混合在一起。分組原理可以被大致描述為連續(xù)的(在一段時間內(nèi)發(fā)生的)和同時的(在一段頻率內(nèi))。

　　4．使用多個線索來分組，否則難以正確地對聲音進行分組

　　每一個分組線索都有局限性。使用多個線索能對難以分析的聲音進行正確的分組。某些重要的線索包括：

　　•聲音的特性：一個音源產(chǎn)生的諧波可以形成清楚的頻率圖，這個頻率圖可以用來對兩個聲音進行區(qū)分。聲音特性是區(qū)分男人和女人的一個主要線索。

　　• 空間信息：由距離和方向判斷出來的距離可以用來對聲音分組，因而可以對感興趣的聲音進行分辨。

　　• 發(fā)出時間：如果兩個聲音能量和他們對應的諧波在時間上一致，他們很可能來自同一個音源。

　　5．減少收斂時間以消除更多的瞬間噪聲

　　傳統(tǒng)的噪聲抑制方法必須在他們消除噪聲之前收斂，因而他們在抑制非穩(wěn)態(tài)噪聲源上效率較低。通過利用快速響應的線索來對聲音進行描述，像打響指這樣的瞬間時間都可以被識別并消除。

　　6．采用對數(shù)與線性頻率比例(FCT vs. FFT)

　　熟悉的快速傅立葉變換(FFT)對頻率分量按線性比例進行分解，這樣限制了在低頻處的頻譜分辨率，而且使用很定的幀大小和獨立于頻率的帶寬。相反的，快速耳蝸變換(FCT)基于人耳蝸的原理，按對數(shù)頻率比例變化。這樣一來，它不會限制頻譜分辨率。通過不斷的處理，而不是按幀進行處理，F(xiàn)CT還降低了處理延遲，因此它適合于識別非穩(wěn)態(tài)的噪聲源。此外，F(xiàn)CT工作的帶寬是與頻率相關的，在人耳聽覺范圍內(nèi)能更準確地匹配時域-頻域折衷。

　　7．使用全向麥克風來降低成本

　　像波束成形這類方法需要一種專門的心型曲線式(cardioid，單向)麥克風。這種麥克風的成本比全向麥克風成本更高，具有更低的噪聲容限，必須進行單獨的校準和匹配，誤差要低于1dB，帶來對間隔的限制，由于對風聲和呼吸聲很敏感，因此會增加+12dB的噪聲。波束成形技術也有其局限性，對所關注的波束的任何錯誤選擇都會被錯誤地傳遞。對一個系統(tǒng)所需要的麥克風的數(shù)量的管理也很重要。例如，盲源分離(Blind Source Separation)使用一種簡單的線性非混合方法，在麥克風的數(shù)量與音源的數(shù)量一樣多的條件下，這種方法效果非常理想。

　　8．將回聲作為獨立的音源來處理

　　一直以來，人們利用回波消除方法來消除回聲。這種方法的運算量非常大，因為必須計算回波反射，在噪聲源變化很快的時候，其性能很差。分組線索使我們能將會波作為另外一種噪聲源。由于回波既不需要進行計算，而且不會改變路徑，因此可以進行瞬間抑制，能實現(xiàn)高達46dB的回波噪聲抑制性能。

　　9．采用新的測試標準

　　移動通信行業(yè)不斷地推進測試標準來表現(xiàn)出通過在噪聲抑制技術上的創(chuàng)新實現(xiàn)更高的語音質(zhì)量等級。為了保證他們的產(chǎn)品獲得最佳的質(zhì)量，該行業(yè)最近修正了ITU P.835規(guī)范來提供一致的測試方法，對采用了噪聲抑制技術的語音質(zhì)量進行測試并產(chǎn)生測試報告