4. 基于子空间的语音增强

任务目标

实现基于信号子空间的语音增强算法，对叠加有色噪声（如低通滤波后的白噪声）的带噪语音进行降噪处理。算法核心思想：将带噪信号的协方差矩阵进行特征分解，将特征空间划分为信号子空间与噪声子空间，仅保留信号子空间分量并做谱修正，从而抑制噪声。

环境依赖

Python 3.8+，仅需 numpy 与 scipy（用于读取/生成测试音频）。若需听感验证，可选用 soundfile 读写 wav 文件。

核心实现

以下代码实现完整的子空间增强流程：分帧加窗 → 协方差估计 → 特征分解 → 信号子空间维数估计 → 子空间加权 → 重叠相加重建。噪声方差通过前几帧（纯噪声段）估计。

import numpy as np
from scipy.linalg import eigh

def subspace_enhance(x, fs, noise_frames=10, win_len=512, hop=256, alpha=0.98):
    """
    信号子空间语音增强（适用于有色噪声）
    x: 带噪语音信号 (一维数组)
    fs: 采样率
    noise_frames: 用于估计噪声方差的前若干帧数
    win_len: 帧长（样本数）
    hop: 帧移
    alpha: 谱修正系数 (0~1)
    返回: 增强后信号 (与x等长)
    """
    # 分帧加汉宁窗
    n_frames = 1 + (len(x) - win_len) // hop
    frames = np.zeros((n_frames, win_len))
    win = np.hanning(win_len)
    for i in range(n_frames):
        start = i * hop
        frames[i] = x[start:start+win_len] * win

    # 用前几帧估计噪声方差（假设起始段为纯噪声）
    noise_var = np.mean(frames[:noise_frames] ** 2)

    # 逐帧处理
    enh_frames = np.zeros_like(frames)
    for i in range(n_frames):
        # 帧内去均值（避免直流偏置影响协方差估计）
        frame = frames[i] - np.mean(frames[i])
        # 协方差矩阵（使用空间相关，此处用帧内延迟嵌入构造托普利兹矩阵）
        # 简化：直接使用帧的自相关构造协方差（频域子空间等价做法）
        # 此处采用时域延迟嵌入：构造 m 维子空间
        m = 64  # 子空间维度（嵌入维数）
        if win_len < m:
            m = win_len // 2
        # 构造 Hankel 矩阵（延迟嵌入）
        H = np.zeros((win_len - m + 1, m))
        for j in range(m):
            H[:, j] = frame[j : j + win_len - m + 1]
        # 协方差矩阵 R = H^T H / (行数)
        R = (H.T @ H) / (win_len - m + 1)

        # 特征分解（升序）
        eigvals, eigvecs = eigh(R)
        # 信号子空间维数估计：特征值 > 噪声方差 即视为信号
        noise_floor = noise_var * 1.5  # 有色噪声放宽阈值
        sig_dim = np.sum(eigvals > noise_floor)
        sig_dim = max(1, min(sig_dim, m - 1))  # 至少1维，至多m-1

        # 构造加权矩阵：信号子空间保留，噪声子空间置零，并做谱修正
        G = np.zeros((m, m))
        for j in range(sig_dim):
            # 维纳型修正：lambda_j / (lambda_j + alpha * noise_var)
            gain = eigvals[j] / (eigvals[j] + alpha * noise_var)
            G[j, j] = gain

        # 重建增强帧（在嵌入空间）
        enh_embedded = eigvecs @ G @ eigvecs.T @ H.T
        # 平均重叠部分还原为帧长
        enh_frame = np.zeros(win_len)
        count = np.zeros(win_len)
        for j in range(win_len - m + 1):
            enh_frame[j : j+m] += enh_embedded[:, j]
            count[j : j+m] += 1
        enh_frame = enh_frame / np.maximum(count, 1)
        enh_frames[i] = enh_frame * win  # 重新加窗

    # 重叠相加重建
    out = np.zeros(len(x))
    overlap_sum = np.zeros(len(x))
    for i in range(n_frames):
        start = i * hop
        out[start:start+win_len] += enh_frames[i]
        overlap_sum[start:start+win_len] += win ** 2  # 加窗平方归一化
    # 归一化避免重叠区能量不均
    out = out / np.maximum(overlap_sum, 1e-8)
    return out

# 使用示例（生成测试信号并调用）
if __name__ == "__main__":
    fs = 16000
    t = np.arange(fs * 2) / fs
    # 干净语音：1kHz 正弦 + 3kHz 正弦（模拟语音共振峰）
    clean = 0.5 * np.sin(2*np.pi*1000*t) + 0.3 * np.sin(2*np.pi*3000*t)
    # 有色噪声：白噪声经低通滤波（模拟车内/室内噪声）
    rng = np.random.default_rng(0)
    white = rng.standard_normal(len(t))
    # 简单低通：移动平均
    b = np.ones(50) / 50
    colored_noise = np.convolve(white, b, mode='same')
    colored_noise = colored_noise / np.max(np.abs(colored_noise)) * 0.3
    noisy = clean + colored_noise

    # 前0.5秒为纯噪声段（用于噪声估计）
    noisy[:int(0.5*fs)] = colored_noise[:int(0.5*fs)]

    enhanced = subspace_enhance(noisy, fs)

    # 输出信噪比对比（仅作数值验证）
    def snr(clean, sig):
        noise = sig - clean
        return 10*np.log10(np.sum(clean**2) / np.sum(noise**2))

    snr_in = snr(clean, noisy)
    snr_out = snr(clean, enhanced)
    print(f"输入SNR: {snr_in:.2f} dB")
    print(f"输出SNR: {snr_out:.2f} dB")
    print(f"提升: {snr_out - snr_in:.2f} dB")

运行与验证

1. 直接运行脚本：python subspace_enhance.py
2. 观察终端输出的 SNR 数值。若输出 SNR 高于输入 SNR（通常提升 3~10 dB），且无报错，则算法流程正确。
3. 如需听感验证，可将 noisy 与 enhanced 用 soundfile.write() 导出为 wav 文件，主观对比背景噪声是否明显降低、语音是否保留清晰。

通过条件：程序正常结束，输出 SNR 提升为正数，且增强后信号无断裂或爆音（可观察波形连续性）。

关键说明

• 噪声方差估计依赖前 noise_frames 帧为纯噪声段，实际应用中需通过语音活动检测（VAD）获取噪声段。
• 嵌入维数 m 影响子空间分辨率：m 越大频率分辨率越高，但计算量增大且需要更多帧样本。本实现取 64，对 16kHz 信号在 32ms 帧长下效果良好。
• 有色噪声的协方差矩阵特征值分布较平坦，阈值 noise_floor = 1.5 * noise_var 为经验值，可根据噪声颜色适当调整。