2、背景噪声基础：噪声类型（平稳/非平稳、加性/乘性）、常见噪声源（环境、电路、量化）及其对模型性能的影响
TinyML 设备通常部署在真实物理环境中，麦克风采集到的信号几乎不可能纯净。无论是智能音箱的唤醒词检测、工业设备的异常声音监测，还是可穿戴设备的心率/呼吸率估计，背景噪声都是影响模型精度的首要干扰因素。理解噪声的数学本质、物理来源及其对模型性能的作用机制，是设计有效降噪前处理流程的前提。本章将系统梳理噪声的分类体系、常见来源，并深入分析噪声如何侵蚀模型性能，为后续的增益控制与归一化策略奠定理论基础。
2.1 噪声分类体系：从数学本质到工程视角
噪声分类是降噪策略选择的第一道分水岭。不同分类维度对应不同的处理思路：平稳噪声可以用统计估计方法，非平稳噪声需要自适应滤波；加性噪声可以直接相减，乘性噪声则需要同态变换或对数域处理。工程实践中，我们通常从两个正交维度对噪声进行归类。
2.1.1 按时间统计特性：平稳与非平稳
平稳噪声（Stationary Noise）的统计特性（均值、方差、频谱形状）在时间上基本不变。典型代表包括：白噪声（功率谱平坦）、风扇/空调的恒定嗡声（50Hz/60Hz 工频及其谐波）、电路热噪声（高斯分布）。平稳噪声的最大优点是可以用较长的观测窗口获得稳定的统计估计，因此谱减法、维纳滤波等经典方法效果显著。
非平稳噪声（Non-stationary Noise）的统计特性随时间快速变化。典型代表包括：语音干扰（人声的频谱和能量都在变化）、键盘敲击声（瞬态冲击）、开关门声、交通噪声（车辆经过时能量起伏）。非平稳噪声对降噪算法构成严峻挑战——因为噪声的短期频谱无法准确预测，任何基于历史统计的估计都会滞后于实际噪声变化。
2.1.2 按叠加方式：加性与乘性
加性噪声（Additive Noise）满足线性叠加关系：y(t) = x(t) + n(t)，其中 x 为纯净信号，n 为噪声。麦克风采集到的环境声、电路热噪声、电源纹波干扰均属于加性噪声。加性噪声的处理相对直接——只要估计出噪声频谱，就可以在频域进行减法操作。
乘性噪声（Multiplicative Noise）满足乘积关系：y(t) = x(t) · n(t)。在音频领域，乘性噪声通常表现为信号幅度的调制，例如麦克风振膜灵敏度随温度漂移、无线信道衰落、扬声器非线性失真等。处理乘性噪声的经典方法是取对数将乘法转化为加法：log(y) = log(x) + log(n)，然后在倒谱域进行滤波（同态滤波）。
| 分类维度 | 类型 | 典型来源 | 数学表达 | 处理策略 |
|---|---|---|---|---|
| 时间统计 | 平稳 | 风扇、白噪声、热噪声 | 统计特性恒定 | 谱减法、维纳滤波、噪声估计 |
| 非平稳 | 语音、键盘、交通 | 统计特性时变 | 自适应滤波、训练增强、注意力机制 | |
| 叠加方式 | 加性 | 环境声、电路噪声 | y = x + n | 频谱相减、最小均方误差估计 |
| 乘性 | 信道衰落、灵敏度漂移 | y = x · n | 同态滤波、对数域处理、AGC |
2.2 常见噪声源：从物理环境到数字域
在 TinyML 设备中，噪声源横跨模拟域和数字域。理解噪声的物理来源，有助于在系统设计阶段就采取针对性的抑制措施，而不是完全依赖算法。
2.2.1 环境噪声（Environmental Noise）
环境噪声是 TinyML 设备面临的最主要干扰源，其特点是多样性和不可控性。根据应用场景的不同，环境噪声的频谱特征差异巨大：
- 室内场景：空调（低频 50~200Hz 嗡声）、电脑风扇（中频 300~800Hz）、人声交谈（300~3400Hz）、电器开关瞬态。
- 室外场景：交通噪声（宽频，低频能量大）、风声（低频湍流）、雨声（宽频随机）、鸟鸣/虫鸣（高频瞬态）。
- 工业场景：电机运转（基频+谐波）、气动工具（冲击性）、金属碰撞（高频瞬态）。
环境噪声的复杂性在于其非平稳性——同一场景下，噪声的频谱和能量都在不断变化。例如，智能家居设备在白天可能面临电视声、谈话声，夜间则主要是空调和冰箱的平稳噪声。这种时变性要求降噪前处理必须具备自适应能力。
2.2.2 电路噪声（Circuit Noise）
电路噪声源于硬件系统本身，虽然幅度通常较小，但在 TinyML 设备中由于供电电压低（3.3V 或 1.8V）、PCB 面积小、布局紧凑，电路噪声的影响不可忽视。
- 热噪声（Johnson Noise）：由电阻和半导体器件内部电子热运动产生，功率谱密度平坦（白噪声），幅度与温度成正比。对于 MEMS 麦克风，其内部 JFET 放大器的热噪声是主要本底噪声来源。
- 电源纹波与地弹：DC-DC 转换器的开关频率（通常 1~2MHz）及其谐波会耦合到模拟前端。地弹（Ground Bounce）是数字电路开关时在 PCB 地平面产生的电压波动，可能被麦克风拾取。
- 数字串扰：I2S 时钟线、SPI 数据线的高频翻转通过电磁耦合进入模拟信号路径。在 TinyML 设备中，MCU 的 GPIO 翻转频率可达数十 MHz，若布局不当，串扰噪声可能达到数 mV 级别。
2.2.3 量化噪声（Quantization Noise）
量化噪声是模拟信号转换为数字信号时不可避免的误差。ADC 将连续幅度映射到有限离散电平，产生的误差 e 满足均匀分布，其功率为：
量化噪声功率 = Δ² / 12
其中 Δ = Vref / 2^N，Vref 为参考电压，N 为 ADC 位数对于 16-bit ADC、3.3V 参考电压，Δ ≈ 50μV，量化噪声功率约为 2.1×10⁻¹⁰ V²（约 -97dBV）。对于 12-bit ADC，量化噪声功率增大 16 倍（约 -85dBV）。在 TinyML 场景中，为了降低功耗和成本，常选用 12-bit 或 16-bit ADC，量化噪声成为不可忽略的本底噪声。
更关键的是，量化噪声与信号幅度相关——当信号幅度较小时，量化噪声相对占比增大，有效信噪比（SNR）下降。这就是为什么在增益控制中，需要确保信号幅度充分利用 ADC 的动态范围，避免信号过小导致量化噪声主导。
2.3 噪声对模型性能的影响机制
噪声对 TinyML 模型性能的影响并非简单的"信号变脏"，而是通过多个路径系统性侵蚀模型的有效性。理解这些影响机制，有助于我们在设计降噪前处理时有的放矢。
2.3.1 特征空间畸变
TinyML 音频模型通常使用梅尔频率倒谱系数（MFCC）或滤波器组（Filter Bank）能量作为输入特征。噪声会以非线性方式污染这些特征：
- 低频噪声（如空调嗡声）会抬高 MFCC 的低阶系数（如 c0、c1），使特征向量整体偏移。
- 宽带噪声（如白噪声）会均匀抬高所有频带的能量，导致滤波器组输出的动态范围被压缩。
- 瞬态噪声（如键盘敲击）会在特征序列中产生尖峰，干扰时序模型（如 LSTM、TCN）的状态更新。
特征畸变的直接后果是：模型在训练时学到的特征分布与推理时的实际分布不一致，导致分类边界失效。例如，一个在安静环境下训练的唤醒词模型，在 60dB 噪声环境下，其 MFCC 特征分布可能偏移 2~3 个标准差，模型输出概率急剧下降。
2.3.2 信噪比（SNR）与模型精度的量化关系
信噪比是衡量噪声影响的核心指标。实验表明，模型精度与 SNR 之间存在近似 S 曲线关系：
| SNR（dB） | 模型精度变化 | 典型场景 |
|---|---|---|
| > 30 | 几乎无影响（<1% 下降） | 安静办公室、夜间室内 |
| 20~30 | 轻微下降（2%~5%） | 正常室内环境、轻微风扇声 |
| 10~20 | 明显下降（10%~20%） | 街道环境、多人交谈 |
| 0~10 | 严重下降（30%~50%） | 工业车间、地铁车厢 |
| < 0 | 模型基本失效 | 噪声源紧贴麦克风 |
值得注意的是，不同模型架构对噪声的敏感度不同。卷积神经网络（CNN）对平稳噪声有一定鲁棒性（因为卷积核可以学习到噪声模式），但对瞬态噪声敏感；循环神经网络（RNN）对时序噪声敏感，但可以通过记忆机制平滑部分随机噪声；Transformer 架构的自注意力机制理论上能建模长程依赖，但对输入特征的扰动同样敏感。
2.3.3 训练-推理分布偏移与过拟合
当训练数据以干净语音为主，而推理环境存在噪声时，会产生严重的分布偏移（Distribution Shift）。模型在训练集上表现良好，但在真实环境中精度骤降。反之，如果训练数据中混入过多特定类型的噪声，模型可能过拟合这些噪声模式——例如，模型学会了识别"风扇噪声+唤醒词"的组合，当风扇关闭时反而无法唤醒。
这种过拟合现象在 TinyML 中尤为突出，因为模型参数量小（通常 <100KB），表达能力有限，更容易将噪声特征误认为信号特征。解决思路是在训练阶段引入多样化的噪声增强，让模型学会"忽略"噪声而非"记住"噪声。
2.4 案例拆解：智能家居唤醒词模型的噪声困境
某智能音箱项目在实验室安静环境下，唤醒词"小智同学"的准确率达到 98%，误唤醒率 0.5 次/小时。但部署到用户家中后，用户反馈唤醒率明显下降，尤其在厨房（油烟机噪声）和客厅（电视声）场景。
问题定位过程：
- 数据采集：在 3 个典型家庭场景（客厅、厨房、卧室）各录制 2 小时音频，标注唤醒词出现时刻。
- SNR 分析：计算各场景的平均 SNR——客厅 18dB（电视声为主）、厨房 12dB（油烟机+水流声）、卧室 25dB（空调平稳噪声）。
- 特征可视化：提取 MFCC 特征并做 t-SNE 降维，发现厨房场景的特征分布与实验室干净数据偏移约 2.8 个标准差，客厅偏移 1.9 个标准差。
- 模型行为分析：查看模型最后一层 softmax 输出，发现厨房场景下唤醒词"小智同学"的输出概率从 0.92 降至 0.45，而"小度小度"（非目标词）的概率从 0.02 升至 0.18。
针对性解决方案：
- 前处理优化：在 ADC 后增加高通滤波器（截止频率 80Hz），抑制油烟机的低频振动噪声；采用自适应噪声估计器（基于最小值统计法）进行谱减法，降低平稳噪声。
- 训练增强：从实际场景采集的噪声中随机截取 1~3 秒片段，以 SNR 5~20dB 的范围叠加到训练音频中，每个 epoch 随机更换噪声样本。
- 增益调整：将麦克风增益从 +20dB 提升至 +26dB，确保语音信号在 ADC 中占用更多有效位，降低量化噪声的相对影响。
结果对比：优化后，厨房场景唤醒率从 71% 提升至 93%，客厅从 82% 提升至 96%，卧室从 91% 提升至 97%。误唤醒率控制在 0.8 次/小时以内。代价是模型训练时间增加了 40%（因为数据增强），但推理时延和内存占用未变。
2.5 常见误区与总结
在 TinyML 降噪前处理的设计中，工程师常陷入以下误区：
- 误区一：认为降噪算法越复杂越好。TinyML 设备算力有限（通常 MCU 主频 100~200MHz，内存 512KB 以内），复杂的深度降噪网络（如 DNN-based SE）虽然效果好，但无法实时运行。应优先选择计算量小的经典算法（谱减法、维纳滤波）或轻量级神经网络。
- 误区二：忽视量化噪声的影响。很多工程师只关注环境噪声，却忽略了 ADC 量化噪声在低信号幅度时的主导作用。正确的做法是确保信号幅度在 ADC 满量程的 30%~80% 之间。
- 误区三：将训练数据中的噪声视为"免费数据增强"。不加控制地混入噪声可能导致模型过拟合特定噪声模式，反而降低泛化能力。应使用多样化的噪声源，并控制 SNR 的分布范围。
- 误区四：忽略噪声的时变特性。使用固定参数的降噪滤波器处理非平稳噪声，效果往往不佳。需要根据噪声的短期估计动态调整参数。
本章总结：背景噪声是 TinyML 音频应用面临的首要挑战。从分类角度看，平稳/非平稳决定了降噪算法的选择，加性/乘性决定了信号处理的数学框架；从来源看，环境噪声、电路噪声和量化噪声分别对应系统设计的不同层面；从影响看，噪声通过特征畸变、SNR 下降和分布偏移三条路径侵蚀模型性能。理解这些基础概念，是后续设计增益控制与归一化策略的前提——增益控制解决的是信号幅度与量化噪声的平衡问题，归一化解决的是特征分布的一致性问题，而这两者都建立在对噪声特性的准确认知之上。