1. 噪声的本质与分类

各位好，我是老周。做音频处理十几年了，每天打交道最多的不是音乐，而是噪声。今天咱们就聊聊噪声到底是什么，它长什么样，又该怎么分类。

很多人觉得噪声就是「不好听的声音」。嗯，这个说法没错，但做工程不能这么模糊。咱们得从信号处理的角度，把噪声的本质扒开来看。

1.1 什么是噪声？

从数学上讲，噪声就是干扰有用信号的无用成分。说白了，你想要的叫信号，你不想要的都叫噪声。

我习惯把噪声分成两个维度来看：

• 从来源看：环境噪声（空调、风扇、马路）、电路噪声（热噪声、电源纹波）、量化噪声（ADC转换时产生的）
• 从特性看：平稳噪声（统计特性不变）、非平稳噪声（随时间变化）

举个例子，你在录音棚里录人声，空调的嗡嗡声就是噪声。但如果你在录空调的故障音，那空调声就是信号，人声反而成了噪声。所以噪声是相对的，关键看你的目标信号是什么。

1.2 噪声的时域与频域特征

搞噪声抑制，必须学会从两个角度看噪声：时域和频域。这两个视角就像医生的听诊器和CT机，缺一不可。

时域特征

时域就是看波形。我刚开始做这行时，总盯着波形图看半天，其实关键就几点：

• 幅度分布：噪声的瞬时值服从什么分布？高斯分布？均匀分布？
• 相关性：当前时刻的噪声和下一时刻有没有关系？白噪声就没有相关性
• 平稳性：噪声的均值和方差随时间变不变？

举个例子，热噪声的时域波形就像一堆乱草，幅度大致服从高斯分布。而电源50Hz工频干扰，波形就是一条规则的 sinusoidal 曲线，一眼就能认出来。

频域特征

频域才是噪声抑制的主战场。为什么？因为很多噪声在时域里混在一起分不开，但到了频域就原形毕露了。

我记得有一次做车载语音增强，客户说「噪声听起来像风声」。我一看频谱，果然在低频段有个宽峰，这就是风噪的典型特征——能量集中在200Hz以下，而且没有明显的谐波结构。

常见的噪声频域特征：

噪声类型	频域特征	典型例子
白噪声	全频段能量均匀	热噪声、ADC量化噪声
粉红噪声	能量随频率升高以3dB/oct衰减	自然界风声、水流声
窄带噪声	集中在某个或某几个频率	电源工频干扰、电机嗡鸣
冲击噪声	时域尖峰，频域宽泛	开关噪声、静电放电

1.3 加性噪声与乘性噪声

这是噪声分类里最重要的一个概念。为什么重要？因为处理方式完全不同。

加性噪声

加性噪声就是直接加到信号上的噪声。数学表达式很简单：

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

其中 y(t) 是含噪信号，x(t) 是干净信号，n(t) 是噪声。

加性噪声的特点是：噪声和信号独立。不管信号有没有，噪声都在那里。比如你在房间里录音，空调的嗡嗡声就是加性噪声——你说话它也在，你不说话它还在。

我处理过的大部分噪声都是加性的。这类噪声的抑制方法也最成熟，比如谱减法、维纳滤波、深度学习降噪，都是针对加性噪声设计的。

乘性噪声

乘性噪声就麻烦多了。它的表达式是：

y(t) = x(t) * m(t)

或者更一般的形式：

y(t) = x(t) * (1 + m(t))

乘性噪声的特点是：噪声和信号相乘，信号强的时候噪声也强，信号弱的时候噪声也弱。典型的例子就是信道衰落、麦克风振膜的抖动噪声。

乘性噪声在频域里表现为信号的频谱被「调制」了。你想想看，如果信号是纯净的正弦波，乘性噪声会让它的幅度忽大忽小，听起来就像信号在「呼吸」。

两种噪声的对比

对比维度	加性噪声	乘性噪声
数学形式	y = x + n	y = x * m
与信号关系	独立	依赖信号强度
典型例子	环境噪声、电路热噪声	信道衰落、振膜抖动
处理思路	直接估计噪声并减去	先变换为加性再处理
常见算法	谱减法、维纳滤波	同态滤波、对数域处理

1.4 噪声分类全景图

说了这么多，咱们用一张图把噪声的分类体系串起来。这是我做培训时必讲的一张图，帮你建立全局视角。

这张图把噪声分成了三个维度。我个人觉得，最实用的分类是按叠加方式——加性 vs 乘性。因为这两个的处理思路天差地别，选错了方法，效果会大打折扣。

1.5 本章小结

好了，咱们把这一章的核心内容捋一捋：

• 噪声的本质：干扰目标信号的无用成分，定义是相对的
• 时域特征：看幅度分布、相关性、平稳性
• 频域特征：看能量分布、谐波结构，这是降噪的主要战场
• 加性噪声：y = x + n，独立于信号，处理相对简单
• 乘性噪声：y = x * m，依赖信号强度，需要先变换再处理