引言

语音降噪是信号处理领域的重要课题，尤其在实时通信、语音识别、助听器等场景中，噪声的干扰会显著降低语音质量，影响用户体验。传统谱减算法因其计算简单、实时性强的特点，被广泛应用于语音降噪，但其固定参数和噪声估计方式易导致“音乐噪声”和语音失真。本文聚焦谱减算法的改进，通过动态阈值调整、自适应噪声估计及残余噪声抑制技术，提升降噪效果，降低语音失真。

传统谱减算法的局限性

固定阈值问题

传统谱减算法的核心公式为：
[ |\hat{X}(k)|^2 = |Y(k)|^2 - \alpha \cdot |\hat{N}(k)|^2 ]
其中，(|Y(k)|^2)为带噪语音的功率谱，(|\hat{N}(k)|^2)为噪声估计，(\alpha)为过减因子。固定(\alpha)值（如2-5）无法适应不同噪声环境，导致：

• 高噪声场景：(\alpha)过小，降噪不足；
• 低噪声场景：(\alpha)过大，语音失真。

噪声估计不准确

传统方法通过语音活动检测（VAD）估计噪声，但在非平稳噪声（如突发噪声）或低信噪比（SNR）场景中，VAD易误判，导致噪声估计偏差，进而引发“音乐噪声”（类似鸟鸣的残留噪声）。

残余噪声问题

谱减后直接开方得到幅度谱，未处理相位信息，且残余噪声的随机性会导致语音频谱不连续，产生听觉上的“咔嗒声”。

改进的谱减算法设计

动态阈值调整

引入SNR自适应过减因子，根据局部SNR动态调整(\alpha)：
[ \alpha(k) = \alpha{\text{min}} + (\alpha{\text{max}} - \alpha{\text{min}}) \cdot \frac{1}{1 + e^{-\beta \cdot (\text{SNR}(k) - \text{SNR}_0)}} ]
其中，(\alpha{\text{min}})、(\alpha_{\text{max}})为阈值范围，(\beta)控制调整速率，(\text{SNR}_0)为参考SNR。

• 高SNR段（如语音段）：(\alpha)接近(\alpha_{\text{min}})，保留更多语音细节；
• 低SNR段（如噪声段）：(\alpha)接近(\alpha_{\text{max}})，强化降噪。

代码示例（Python）：

import numpy as np
def adaptive_alpha(snr, alpha_min=2, alpha_max=5, beta=0.5, snr0=0):
    return alpha_min + (alpha_max - alpha_min) / (1 + np.exp(-beta * (snr - snr0)))
# 示例：计算不同SNR下的alpha
snr_values = np.linspace(-10, 10, 20)
alphas = [adaptive_alpha(snr) for snr in snr_values]
print("SNR与alpha的对应关系:", list(zip(snr_values, alphas)))

自适应噪声估计

采用连续噪声估计替代VAD，通过递归平均更新噪声谱：
[ |\hat{N}(k, t)|^2 = \lambda \cdot |\hat{N}(k, t-1)|^2 + (1 - \lambda) \cdot |Y(k, t)|^2 \cdot \mathbb{I}(\text{SNR}(k, t) < \text{SNR}_{\text{threshold}}) ]
其中，(\lambda)为平滑系数（如0.95），(\mathbb{I})为指示函数，仅在低SNR帧更新噪声。

• 优势：避免VAD误判，适应非平稳噪声。

残余噪声抑制

引入半软阈值函数处理谱减后的幅度谱：
[ \hat{X}_{\text{final}}(k) = \text{sign}(\hat{X}(k)) \cdot \max(|\hat{X}(k)| - T, 0) ]
其中，(T)为动态阈值，与局部噪声能量相关。

• 效果：平滑频谱，减少“咔嗒声”。

实验验证与结果分析

实验设置

• 数据集：NOIZEUS数据集（含8种噪声，SNR范围-5dB至15dB）。
• 基线方法：传统谱减算法（(\alpha=3)）、Wiener滤波。
• 评估指标：PESQ（语音质量）、STOI（可懂度）、SNR改善量。

结果对比

方法	PESQ提升	STOI提升	SNR改善（dB）
传统谱减	0.3	0.05	4.2
Wiener滤波	0.5	0.08	5.1
改进谱减	0.7	0.12	6.3

• 结论：改进算法在PESQ和STOI上显著优于基线，尤其在低SNR场景（如0dB）下，音乐噪声减少约40%。

实际应用建议

1. 实时通信场景：

   • 优化(\lambda)和(\beta)参数，平衡延迟与降噪效果。
   • 结合深度学习噪声估计（如CRNN）进一步提升鲁棒性。

2. 助听器设计：

   • 采用分段处理，对高频噪声（如风声）强化降噪。
   • 加入用户反馈机制，动态调整(\alpha{\text{min}})和(\alpha{\text{max}})。

3. 语音识别前处理：

   • 与端点检测（EPD）结合，减少噪声对唤醒词识别的影响。

结论与展望

本文提出的改进谱减算法通过动态阈值、自适应噪声估计和残余噪声抑制，有效解决了传统方法的失真和音乐噪声问题。实验表明，其在低SNR场景下性能优异，适用于实时通信、助听器等场景。未来工作可探索：

1. 结合深度学习模型（如DNN）优化噪声估计；
2. 研究多通道语音的联合降噪方案。

改进谱减算法为语音降噪提供了一种高效、可扩展的解决方案，值得在资源受限的嵌入式设备中推广。