噪声消除

噪音消除指的是消除、削弱或抑制图像中的随机变化干扰。它是由测量误差和成像过程中一些不确定的随机因素形成的效应，统称为噪声。噪声消除是图像恢复的任务之一。系统噪声一般被视为点扩散函数的函数，作为图像退化模型的一个组成部分，如大气扰动，在建模时考虑随机噪声，在图像复原过程中消除。

噪声消除

如果噪声模型是预先已知的，则可以为该模型设置滤波器以有效地消除它，例如同步噪声常用频域滤波方法对图像进行傅里叶变换，设计合适的滤波器提取主要噪声成分逆变换后得到噪声图像，从原始图像中减去加权噪声图像，即去噪图像权函数的选择原则是在一定大小的区域内使校正图像的方差最小。图像的随机噪声往往以高频为特征，通过图像平滑或低通滤波来消除，如平滑滤波、中值滤波、条件滤波和各种自适应滤波方法等。

www.qwbaike.cn

在通信系统中，噪声是指不携带有用信息的电信号，是除有用信号以外的所有信号的统称。本节简要讨论信道中各种噪声的分类和特性，定性说明它们对信号传输的影响。噪音有许多来源根据它们来源的不同，大致可以分为以下四类：

www.qwbaike.cn

1)无线电噪声。各种用途的无线电发射机。这种噪声的频率范围很广，从甚低频到超高频，都可能有无线电干扰，干扰强度有时很大。但是这种噪声干扰有一个特点，就是干扰的频率范围是固定的，所以可以提前预防。特别是加强无线电频率管理后，无论在频率的稳定性、精度和谐波辐射受到严格控制，因此信道中信号的影响降至最低。 www.qwbaike.cn

2)工业噪声。从各种电器设备，比如电线、电源开关、电车、电力铁道、高频电炉等。这种噪声干扰的来源分布很广，无论是城市还是农村，内陆还是边疆，都有工业干扰。但这种干扰还有一个特点，就是干扰的频谱集中在较低的频率范围，比如几十MHz。因此，选择工作在该频带之上的信道可以防止来自它的干扰。另外，在干扰源方面也可以减少干扰，比如消除波形失真、加强屏蔽和过滤措施、防止接触不良等。 www.qwbaike.cn

3)天电噪声。来源于雷电、太阳黑子、磁暴和宇宙射线等。可以说整个宇宙都是这种噪音的来源，所以这种噪音干扰是客观存在的。由于这种自然现象和发生的时间、季节、地区等等都是相关的，所以来自天空和电的干扰的影响也是不同的。这种干扰占用的频谱也很广，而且不像无线电干扰，频率是固定的，很难防止这种干扰的影响。

4)内部噪声。从频道本身包含的各种电子设备、转换器和传输线等。比如电阻和各种导体在分子热运动的影响下会产生热噪声，晶体管或电子管等电子器件由于电子发射不均匀会产生器件噪声。这种噪声干扰是由自由电子的不规则运动形成的，所以它的波形也是不规则变化的，通常称为涨落噪声。这种噪声干扰在数学上可以用随机过程来描述，所以可以称为随机噪声。 www.qwbaike.cn

1.高斯白噪声

高斯白噪声是指概率密度函数的统计特性满足高斯分布，功率谱密度函数为常数的噪声。必须同时满足这两个条件的噪声是高斯白噪声，满足第一个条件的噪声是高斯噪声，满足第二个条件的噪声是白噪声。

www.qwbaike.cn

在通信系统的理论分析中，特别是在分析、在计算系统的抗噪声性能时，往往假设系统信道中的噪声为高斯白噪声。这是因为，第一，高斯白噪声可以用具体的数学表达式表示，便于推导分析和运算；其次，高斯白噪声确实反映了特定信道中的噪声，真实地代表了信道噪声的特性。

www.qwbaike.cn

2.高斯有色噪声 www.qwbaike.cn

统计特性服从高斯分布，功率谱密度不满足怀特特性，即功率谱不是常数。大多数音频噪音，如风扇噪音、行驶的汽车和四处走动的人产生的噪音等。由于信道的影响，有时白噪声通过信道后会变成色噪声。 www.qwbaike.cn

3.脉冲噪声 www.qwbaike.cn

本文应用了具有稳定分布的脉冲噪声模型。在通信、雷达、在水声和声纳领域遇到的信号和噪声中，有大量具有突出尖峰特征的信号和噪声，它们显著偏离传统的高斯分布，通常应用更广泛“稳定分布模型被用来描述这种具有强脉冲的随机信号。 www.qwbaike.cn

4.工频干扰

www.qwbaike.cn

我国市电频率为50Hz，交流电源产生的电磁干扰称为工频干扰。 www.qwbaike.cn

在许多学术论文中，已经讨论或提出了各种噪声消除算法及其改进一般来说，这些噪声消除算法可以分为两组：single-mic（single-麦克风）噪声消除和多重-mic（并联-麦克风）两种噪声消除算法。Single-Mic 噪声消除和乘法-与mic 相比，MIC  具有适用于各种噪声源混响抑制能力强等优点。但是对于3G系统，手机的硬件结构决定了不能使用多个-麦克风噪声消除算法。 www.qwbaike.cn

近十年推荐单曲-Mic 噪声消除算法主要基于谱减法（光谱 减法,简称圣人）算法，这是基于短时频谱分析（短 时间 光谱分析,简称STSA）的MMSE-STSA 算法由于计算简单，主观评价后性能最好，所以应用最为广泛。 www.qwbaike.cn

为了增强语音信号，噪声消除算法需要能够： www.qwbaike.cn

a）增强语音的可懂度和自然属性；

www.qwbaike.cn

b）提高信噪比； www.qwbaike.cn

c）短的信号时延；

www.qwbaike.cn

d）计算量小；

信号增强的质量度量是一个多重问题，可以用语音增强前后的可懂度和自然属性来描述。当干净的语音和噪声混合成一个信道信号时，纯信号和纯噪声占用相同的频带，可能有一定的相关性。这时，从嘈杂的语音中剔除噪声，提取干净的语音，必然会对语音和噪声都产生影响。

很难从嘈杂的语音中区分噪音和语音一方面，干净的语音可能作为噪声被抑制，尤其是语音信号中的摩擦声和脉冲声的频谱波形非常相似，很容易被抑制。另一方面，含噪语音中的噪声会保留录音环境中背景噪声的所有特征，一些典型的噪声抑制算法在抑制信道噪声时也会产生一种新的合成噪声，称为“音乐 噪音”这种合成噪声仍然会严重干扰听者。

噪声消除算法设计的另一个目标是限制信号延迟，因为大的信号延迟会干扰通话期间的情况。同样，计算量较小的噪声消除算法将保证信号处理的实时性。 www.qwbaike.cn

已核实，MMSE-STSA的主观评价是最可靠的，它具有使短时谱幅度估计的均方误差最小化的特点，并且它不产生“音乐 噪音”在无噪声的情况下，提供了良好的消声效果。和改进的MMSE-LSA 算法比MMSESTSA具有更好的抑制性“音乐 噪音”，消除噪音的能力。下面分析MMSE-LSA 算法的噪声消除原理。

www.qwbaike.cn

MMSE-LSA主要由七个模块组成：短时傅里叶分解、语音激活检测（VAD）模块、噪声估计、后验和先验信噪比估计、光谱增益计算和短时傅里叶合成。短时傅立叶分解模块对含噪语音进行离散傅立叶变换计算，得到其频谱幅度和相位，其中频谱幅度用频谱增益加权以增强语音。加权后的幅度和相位相乘，并发送到短时傅立叶合成模块进行离散傅立叶逆变换。在逆变换之后，执行折叠相加操作以获得时域中的增强语音信号。MMSE-LSA算法主要关注频谱增益的计算，它决定了噪声抑制的程度。为了计算频谱增益，必须首先获得后验信噪比估计和先验信噪比估计，而这些信噪比估计是基于噪声功率谱的估计而获得的，噪声功率谱是通过计算非语音阶段含噪语音的频谱幅度而获得的。非语音阶段的检测主要通过VAD模块进行。 www.qwbaike.cn