简介

Noisereduce 是可降低语音、生物声学和生理信号等时域信号中的噪声。它依赖于一种称为“频谱门控”的方法，这是噪声门的一种形式。它的工作原理是计算信号（以及可选的噪声信号）的频谱图，并估计该信号/噪声的每个频段的噪声阈值（或门）。该阈值用于计算掩模，该掩模将噪声门控在频率变化阈值以下。

noisereduce 包含两种算法：

稳态降噪：在整个信号中将估计的噪声阈值保持在相同的水平 非平稳降噪：随时间推移不断更新估计的噪声阈值

稳态降噪

• 该算法接受两个输入：
• 包含片段原型噪声的噪声剪辑（可选）
• 包含要消除的信号和噪声的信号剪辑

稳态降噪算法的步骤

1. 频谱图是在噪声音频剪辑上计算的
2. 统计数据是通过噪声的频谱图（频率）计算的
3. 阈值是根据噪声的统计数据（以及算法所需的灵敏度）计算的
4. 在信号上计算频谱图
5. 通过将信号频谱图与阈值进行比较来确定模板
6. 掩模随频率和时间的变化使用滤波器进行平滑处理
7. 将模板应用于信号的频谱图，并反转 如果没有提供噪声信号，算法会将信号视为噪声削波，这往往效果很好

非稳态降噪

• 非平稳降噪算法是稳态降噪算法的扩展，但允许噪声门随时间变化。
• 当您知道信号发生的时间尺度（例如，鸟叫声可能是几百毫秒）时，您可以根据在较长时间尺度上发生的事件是噪声的假设来设置噪声阈值。
• 该算法的灵感来自生物声学中一种称为每通道能量归一化的最新方法。

非平稳降噪算法的步骤

1. 在信号上计算频谱图
2. 使用在每个频率通道上向前和向后分配的IIR滤波器计算频谱图的时间平滑版本。
3. 掩模是根据该时间平滑频谱图计算的
4. 掩模随频率和时间的变化使用滤波器进行平滑处理
5. 将模板应用于信号的频谱图，并倒置

算法调用

暂无

算法demo展示

暂无