清晰的音频不仅仅取决于使用灵敏度更高的麦克风。在实际应用中，采集到的信号中往往包含背景噪声、电气噪声、混响、干扰以及来自其他方向的杂音。.

音频降噪 是指在保留重要语音、音乐或声学信息的同时，消除不需要的成分的过程。.

现代降噪系统可以结合多种技术，包括数字信号处理（DSP）、频谱分析、自适应滤波、统计估计、深度学习和多麦克风处理。.

本指南阐述了音频降噪背后的主要原理，以及各种方法在实际麦克风和声学系统中的应用。.

什么是音频降噪？

音频降噪是一种信号处理技术，用于在保持所需信号的同时，抑制录制或传输的音频信号中的不需要的噪声。.

一个简化的音频模型可以表示为：

y(t) = x(t) + n(t)

其中：

• y(t) 是观测到的含噪声信号
• x(t) 是目标信号
• n(t) 是指不需要的噪音

目标是从含噪声的观测数据中估计目标信号。.

然而，在实际系统中，噪声很少如此简单。一个麦克风可能会同时拾取：

• 麦克风本底噪声
• 电子电路噪声
• 风扇和空调的噪音
• 发动机和路噪
• 键盘声和敲击声
• 他人的讲话
• 扬声器漏音
• 混响
• 风噪
• 电磁干扰

正因如此，有效的音频降噪通常是一个系统层面的问题，而非单一算法所能解决的。.

为什么降噪对麦克风系统如此重要？

进入音频处理系统的声学信号的质量，对后续的所有环节都产生重大影响。.

例如

声学环境 → MEMS 麦克风 → 模拟/数字前端 → DSP → 降噪 → 语音增强 → AI 识别

如果原始麦克风信号的信噪比（SNR）较低、存在削波、失真或过多的背景噪声，后续算法所能处理的有用信息就会减少。.

这对以下情况尤为重要：

• 语音控制设备
• 会议麦克风
• 远场语音拾取
• 智能扬声器
• AI语音终端
• 教室音响系统
• 汽车语音系统
• 助听器及辅助设备
• 专业网络音频
• 声学传感系统

因此，一个设计良好的降噪系统，在应用复杂的算法之前，首先要确保良好的声学拾音效果和麦克风选择。.

音频噪声的主要类型

了解噪声的特性是选择降噪方法的第一步之一。.

1. 静态噪声

平稳噪声具有随时间推移相对稳定的统计特性。.

这方面的例子包括

• 风扇噪音
• 空调噪音
• 某些电子背景噪音
• 某些类型的宽带背景噪声

由于噪声特性变化缓慢，系统能够持续估计噪声谱并对其进行抑制。.

在这些条件下，频谱减法和维纳滤波等经典方法效果良好。.

2. 非平稳噪声

非平稳噪声会随着时间发生显著变化。.

这方面的例子包括

• 键盘点击声
• 门关闭
• 汽车喇叭
• 人们在交谈
• 突如其来的撞击声
• 变化的交通噪音

使用固定的噪声分布模型来模拟此类噪声要困难得多。.

现代系统可能会使用：

• 自适应噪声估计
• 语音活动检测
• 自适应滤波
• 麦克风阵列
• 波束成形
• 深度神经网络

以应对不断变化的声学条件。.

3. 白噪声

白噪声在整个频率范围内具有大致恒定的功率谱密度。.

由于其频谱特性定义明确，因此对算法测试很有帮助。.

然而，现实世界中的声学环境极少包含纯白噪声。实际噪声的频率分布往往更为复杂。.

4. 粉红噪声

粉红噪声的功率谱密度大致随频率的增加而减小。.

它常用于声学测试，因为其频谱特性比理想白噪声更接近某些真实环境。.

5. 脉冲噪声

脉冲噪声由持续时间短、振幅大的事件组成。.

这方面的例子包括

• 点击量
• 影响
• 键盘敲击声
• 电气瞬态

对于脉冲噪声，可能需要专门的检测和抑制措施，而不仅仅是简单地应用宽带降噪算法。.

为什么频域处理很重要

音频信号既可以在时域中分析，也可以在频域中分析。.

时域波形显示了信号振幅随时间的变化情况。.

频域表示法展示了信号能量在各频率上的分布情况。.

这一区分很重要，因为许多类型的噪声都分布在特定的频率范围内。.

例如，在频域中识别低频电子元件可能比在原始波形中更容易。.

傅里叶变换在这些两种表示形式之间架起了一座数学桥梁。.

在实际的数字音频处理中，工程师通常使用 快速傅立叶变换 (FFT) 以高效地计算频域信息。.

为什么短时傅里叶变换（STFT）在音频降噪中被广泛应用

语音以及许多其他声学信号都是非平稳的。它们的频谱成分会持续变化。.

因此，对整段语音录音仅进行一次FFT分析，无法提供足够的信息来反映频谱随时间的变化情况。.

SISTC的 短时傅立叶变换 (STFT) 该方法通过将信号划分为短的、通常相互重叠的帧，并为每帧计算频率表示，从而解决了这个问题。这样就得到了信号的时间-频率表示。.

一个典型的基于STFT的处理流程如下：

音频输入 → 分帧 → 窗口化 → FFT → 噪声估计 → 增益/掩蔽计算 → IFFT → 重叠加法

许多经典和现代的音频增强算法都采用了这一框架。.

经典音频降噪算法

在深度学习兴起之前，工程师们已经开发出了许多有效的统计和信号处理方法来降低噪声。.

其中一些技术至今仍很有用，特别是在低延迟、低功耗和可预测的计算需求至关重要的情况下。.

光谱减法

频谱减法是最简单的频域降噪技术之一。.

基本思路是：

1. 计算带噪声信号的频谱。.
2. 估计噪声谱。.
3. 从含噪声频谱中减去估计的噪声。.
4. 应用适当的约束和平滑处理。.
5. 重建时域信号。.

功率谱的简化表达式为：

P̂x(f) = max[Py(f) − αPn(f), Pmin(f)]

其中：

• Py(f) 是噪声信号的功率谱
• Pn(f) 是估计的噪声功率谱
• α 是一个超减因子
• Pmin(f) 是一个谱底

该方法计算效率高，且相对容易实现。.

其主要局限在于可能出现 音乐噪音, ，这是由于对个别时频分量的抑制不稳定而产生的人为残余噪声。.

因此，实际实现中通常会采用频域平滑、时域平滑、增益下限或更先进的噪声估计方法。.

维纳滤波

维纳滤波采用统计方法进行信号估计。.

简化的频域维纳增益可表示为：

H(f) = Ps(f) / [Ps(f) + Pn(f)]

其中：

• Ps(f) 表示估计的信号功率
• Pn(f) 表示估计的噪声功率

当信号在某个频率范围内占主导地位时，增益趋近于1。.

当噪声占主导地位时，增益会变小。.

维纳滤波相比基本的频谱减法能提供更平滑的抑制效果，但其性能在很大程度上取决于信号和噪声功率估计的准确性。.

这使得 噪声功率谱密度估计 实用维纳滤波系统的一个关键组成部分。.

自适应噪音消除

当存在与不需要的噪声相关的参考信号时，自适应滤波就派上用场了。.

一个典型的自适应降噪系统包含：

主麦克风 → 目标信号 + 噪声

与

参考麦克风 → 噪声参考

自适应滤波器会估算主信号中包含的噪声分量，并将其扣除。.

常见的算法包括：

• LMS
• NLMS
• RLS

当参考信号的振幅发生显著变化时，NLMS 特别有用，因为它会根据输入信号的能量对适应步骤进行归一化处理。.

自适应滤波在以下应用中具有广泛的相关性：

• 汽车语音采集
• 耳机系统
• 声回波控制
• 多传感器降噪

然而，参考信号必须经过精心设计。如果其中包含过多的目标语音，算法可能会无意中压制目标信号。.

NMF及其他统计方法

非负矩阵分解（NMF） 可以将谱图表示为非负基分量与激活模式的组合。.

这使得能够分别对语音和噪声中的周期性结构进行建模。.

其他经典方法包括：

• 基于子空间的方法
• 小波去噪
• 统计语音增强
• 最小统计量噪声估计
• 递归噪声跟踪

在计算效率和可解释性至关重要的应用场景中，这些方法仍然很有用。.

基于人工智能的音频降噪

深度学习极大地拓展了现代语音增强系统的功能。.

与完全依赖人工设计的数学噪声模型不同，神经网络可以从训练数据中学习噪声音频与干净音频之间的关系。.

一种简化的监督学习方法是：

有噪音的音频 → 神经网络 → 增强后的音频

或者：

噪声音频 → 神经网络 → 时频掩码 → 音频重建

常见的网络架构包括：

• DNN
• CNN
• RNN
• LSTM
• GRU
• U-Net
• GAN
• 基于Transformer的模型

基于深度神经网络的降噪

深度神经网络（DNN）能够处理谱特征并估计：

• 干净的幅度谱
• 理想比例面具
• 二进制掩码
• 噪声谱
• 增强的语音表示

与更复杂的架构相比，基于深度神经网络（DNN）的方法相对简单，但它们在建模长时序关系方面的能力可能有限。.

基于CNN的降噪

卷积神经网络（CNN）能够分析时频表示中的局部模式。.

这使得它们在识别以下结构时非常有用：

• 语音谐波
• 共振峰
• 瞬态噪声
• 光谱图

当架构设计得当，基于CNN的模型也可以针对实时处理进行优化。.

RNN、LSTM 和 GRU

言语本质上具有时间性。.

因此，基于RNN的架构在估计当前音频帧时，可以利用前一帧的信息。.

LSTM 和 GRU 架构通常用于改善对时间依赖性的处理，同时克服基本 RNN 的一些局限性。.

这使得递归模型在时间上下文至关重要的、噪声不断变化的环境中非常有用。.

基于Transformer的音频增强

Transformer 架构利用注意力机制来建模序列之间的关系。.

与许多传统的逐帧方法相比，它们能够捕捉更长距离的依赖关系。.

然而，在将基于Transformer的模型部署到嵌入式或实时音频产品中时，必须仔细考虑计算复杂度、内存需求、模型大小和延迟。.

最先进的模型并不一定就是最合适的模型。.

经典DSP与AI降噪技术对比

一个实际的比较如下：

这并不意味着人工智能应该取代DSP。.

在许多实际产品中，最有效的架构是 混合动力系统 该技术融合了声学设计、经典DSP、空间处理和人工智能。.

为什么麦克风阵列能提升降噪效果

单个麦克风主要提供关于某个空间位置处声学信号的信息。.

麦克风阵列还提供了更多功能：

空间信息。.

假设由于位置不同，几支麦克风在略有时间差的情况下接收到了同一说话者的声音。.

这些差异可用于估算声源方向，并增强来自目标方向的声音。.

这就是其背后的基本思路 波束成形.

简化的波束成形输出可表示为：

y(t) = Σ wm xm(t − Δm)

其中：

• xm(t) 是来自麦克风 m 的信号
• wm 是麦克风的重量吗
• Δm 是相应的延迟补偿

当天线阵列设计正确时，来自目标方向的信号可以发生 constructive 叠加，而来自其他方向的信号则会被衰减。.

这与单通道降噪在根本上有所不同。.

麦克风阵列降噪

现代多麦克风系统可以结合以下几个阶段：

MEMS 麦克风

↓

同步

↓

空间滤波/波束成形

↓

噪声估计

↓

后处理

↓

AI增强

↓

AEC / AGC / 附加处理

↓

增强型语音输出

这种架构在以下方面尤其有用：

• 会议室
• 教室
• 智能扬声器
• 远场语音接口
• 会议室系统
• AI语音终端
• 专业音响系统

麦克风阵列并不能自动消除噪声。其性能取决于麦克风匹配、阵列几何结构、麦克风间距、同步性、声学环境、波束成形设计以及后续处理。.

一个麦克风阵列需要多少个麦克风？

没有一个放之四海皆准的数字。.

具体数量取决于：

• 目标拾取距离
• 频率范围
• 所需的指向性
• 物理尺寸
• 波束宽度
• 干扰源的数量
• 功耗
• 处理能力
• 产品成本

双麦克风系统可以提供有用的空间信息。.

四麦克风阵列可以提供更大的灵活性。.

虽然八麦克风阵列会增加对硬件、同步、处理和功耗的要求，但它也能提供更多的空间信息，并带来更先进的波束成形可能性。.

因此，应根据声学要求确定正确的阵列配置，而不是简单地选择麦克风数量最多的方案。.

实时音频降噪

一种降噪算法在离线实验中可能表现良好，但在实际产品中却仍会失败。.

实时系统必须满足以下额外约束条件：

延迟

音频处理必须在可用的帧预算内完成。.

计算负荷

处理器必须以足够快的速度完成FFT、滤波、神经网络推理及其他运算，以防止缓冲区溢出。.

记忆

缓冲区、模型参数、中间结果和音频帧都会占用内存和存储空间。.

耗电量

对于电池供电的设备而言，这一点尤为重要。.

稳定性

该算法必须在不同的噪声水平和声学环境下均保持可靠性。.

音质

过度的噪声抑制可能会导致出现伪影、语音失真或声音不自然。.

因此，实时降噪是一项 音频系统工程问题, ，而不仅仅是一个算法选择问题。.

应如何评估音频降噪性能？

没有任何一项指标能够全面描述降噪性能的各个方面。.

常见的评估方法包括：

信噪比

测量信号功率与噪声功率之比。.

有助于理解噪声抑制，但并不能完全描述感知质量。.

STOI

STOI 旨在评估语音可懂度，当目标是保持语音理解能力时，该方法会很有用。.

PESQ 与现代客观质量衡量标准

PESQ 历来被广泛用于语音质量评估。然而，ITU-T P.862 已于 2024 年被撤销，目前 ITU-T 建议书系列已将客观听感质量预测的参考标准指向 P.863 及相关建议书。.

MOS

平均意见评分（Mean Opinion Score）通过人类听众来评估感知质量。.

在产品验证方面，主观聆听依然很重要，因为数值指标无法捕捉到所有的失真现象或感知上的权衡。.

因此，一个切实可行的评估流程应将以下方面结合起来：

客观指标 + 听感测试 + 应用层性能

例如，一款专为语音识别设计的麦克风，不应仅凭波形听起来有多“干净”来评估其性能。在真实环境中的识别准确率、可懂度、延迟以及鲁棒性也可能至关重要。.

麦克风前端的重要性

降噪领域最重要的工程原理之一是：

不要指望算法能解决声学和硬件前端造成的所有问题。.

一个完整的音频链可能包括：

声学环境

→ 麦克风

→ 模拟前端 / ADC

→ 数字音频接口

→ DSP

→ 降低噪音

→ 语音增强

→ AI处理

如果麦克风发生过载、ADC饱和、信号信噪比（SNR）较差，或者麦克风阵列匹配不良，那么在DSP开始处理之前，信息可能就已经丢失了。.

正因如此，应将麦克风选型、声学设计、信号调理、同步以及算法设计作为一个整体来综合考虑。.

实用的音频降噪工作流程

对于新的麦克风或声学传感项目，一个结构化的工作流程会很有帮助。.

步骤 1：定义声学环境

识别：

• 所需声源
• 距离
• 背景噪音
• 混响
• 相互竞争的发言者
• 预期声压级范围

步骤 2：选择麦克风架构

确定该应用程序是否需要：

• 单身 MEMS 麦克风
• 双麦克风系统
• 线性麦克风阵列
• 环形阵
• 定向阵列
• 更大的多麦克风阵列

步骤 3：测量原始信号

评估：

• 信噪比
• 灵敏度
• 频率响应
• 失真
• 自噪声
• 通道匹配

第 4 步：分析噪声

判断该噪声属于：

• 静止的
• 非平稳
• 宽带
• 窄带
• 冲动
• 空间相关

第 5 步：选择处理架构

可能的方法包括：

• 光谱减法
• 维纳滤波
• 自适应滤波
• 波束成形
• 后处理
• DNN/CNN/RNN 处理
• 混合式 DSP + AI

第 6 步：针对目标平台进行优化

考虑一下

• CPU/DSP/NPU 资源
• 记忆
• 延迟
• 功率
• 采样率
• 帧尺寸

第 7 步：使用真实录音进行验证

实验室测试虽然有用，但真实环境才是关键。.

测试环境：

• 安静的环境
• 中等噪音
• 高噪声
• 变化的噪音
• 多人交谈
• 有回声的环境
• 不同的光源位置

音频降噪技术未来将走向何方？

音频处理技术的发展正日益朝着……的方向发展 混合声学智能.

现代系统不再将麦克风、DSP、AI模型和声学环境视为独立的组件，而是越来越多地将它们结合在一起：

高品质 MEMS 麦克风

麦克风阵列

空间信号处理

DSP

人工智能降噪

实时嵌入式处理

这种方法使系统能够同时使用 空间信息 与 时频信息.

例如，麦克风阵列可以先增强包含目标说话者的空间区域，随后由DSP或AI模型进一步抑制残留噪声。.

这种组合在远场人声拾音、会议、课堂音频、智能设备以及其他目标人声与麦克风距离较远的应用场景中，尤其具有价值。.

结论

音频降噪技术已从相对简单的滤波技术发展成为一个融合了声学、数字信号处理（DSP）、统计信号处理、麦克风阵列、嵌入式计算和人工智能等多学科的领域。.

诸如谱减法、维纳滤波和自适应滤波等经典方法仍然很有用，因为它们计算成本低且行为可预测。.

基于人工智能的方法能够应对更复杂的声学条件，但同时也对训练数据、模型优化、计算资源和验证提出了新的要求。.

麦克风阵列还增添了另一个重要维度： 空间信息.

因此，最实用的解决方案并不总是最复杂的算法。一个设计良好的音频系统应从声学前端和麦克风架构入手，然后根据应用需求，合理组合空间处理、DSP和AI技术。.

对于麦克风制造商和音频系统开发商而言，关键在于将 麦克风硬件、声学设计、信号处理和软件作为一个集成系统.

常见问题

什么是音频降噪？

音频降噪是指在保留所需语音、音乐或声学信号的同时，减少不需要的声学或电子噪声的过程。.

最常见的音频降噪算法有哪些？

常见的方法包括频谱减法、维纳滤波、自适应滤波、子空间方法、基于小波的处理、NMF以及基于深度学习的语音增强。.

降噪和降噪有什么区别？

降噪通常指抑制音频信号中的不需要成分。而降噪技术则更具体地指生成或估计一个反向信号，例如在主动降噪或自适应降噪中。具体术语的选用取决于具体应用场景。.

麦克风阵列能降低背景噪音吗？

是的。麦克风阵列可以利用空间信息来提高指向性，并抑制来自不需要方向的声音。其性能取决于麦克风的布置、间距、同步性、波束成形设计以及声学环境。.

AI降噪比传统的DSP更好吗？

人工智能和传统数字信号处理（DSP）各有优势。人工智能能够对复杂且非平稳的声学模式进行建模，而传统数字信号处理则具有计算需求低、行为可预测以及在资源受限系统中更易于部署等特点。混合架构可以结合这两种方法。.

降噪需要多少个麦克风？

没有一个放之四海皆准的数值。合适的数量取决于所需的拾音范围、指向性、阵列几何结构、频率范围、处理能力、功耗预算以及具体应用。.

信噪比（SNR）对麦克风系统为何重要？

信噪比（SNR）反映了有用信号功率与噪声功率之间的关系。质量更高的声学前端通常能为下游的DSP和AI算法提供更多有用的信息。.

在音频处理中，短时傅里叶变换（STFT）有什么用途？

STFT 通过分析音频信号中短暂且相互重叠的片段，提供一种时频表示。它被广泛应用于频谱分析、噪声估计、语音增强以及许多频域音频算法中。.

关于 SISTC

无锡硅源科技有限公司（SISTC）致力于开发MEMS麦克风和声学传感解决方案，适用于需要可靠音频采集、降噪、麦克风阵列及智能声学处理的应用场景。.

我们的产品开发融合了 MEMS 麦克风技术、麦克风阵列设计、信号处理、基于人工智能的音频增强以及软硬件集成 以适应不同的声学环境和系统要求。.

权威参考资料

ITU-T P.863 / 客观语音质量

国际电信联盟电信标准化部门（ITU-T）建议书 P.863

ITU-T P.862 / PESQ 历史参考

ITU-T P.862

SciPy 短时傅里叶变换文档

SciPy STFT 文档