降噪算法基础：经典降噪算法概述

各位同学，咱们今天聊聊降噪算法的几个老前辈。说实话，我在做DSP移植的头三年，跟这几位打交道的时间比跟家人还多。它们虽然年纪不小，但直到今天，很多商用产品里依然能看到它们的身影。

为什么？因为简单、有效、实时性好。你想想看，在资源受限的嵌入式平台上，有时候一个几百行的谱减法，比一个几万行的深度学习模型更管用。这不是说深度学习不好，而是说——选对工具比选贵的工具更重要。

谱减法的思路特别朴素：既然噪声是叠加在语音上的，那我先估算出噪声的频谱，然后从带噪信号的频谱里把它减掉，不就干净了吗？

我刚开始做语音降噪时，第一个实现的就是谱减法。代码写起来快，跑起来也快。但有个坑——减过头了就会出现「音乐噪声」，听起来像水烧开时的咕噜声，特别刺耳。

核心公式：

|S(ω)|² = |Y(ω)|² - α · |N(ω)|²

其中 α 是过减因子，一般取 1.0~2.5。α 越大，降噪越狠，但音乐噪声也越明显。

谱减法的流程其实就三步：

这里有个细节：相位为什么不处理？因为人耳对相位不敏感，保留原始相位能省掉大量计算。我在一个Cortex-M4的项目里，就靠这个技巧把处理延迟从15ms压到了8ms。

避坑指南：我曾经在一个对讲机项目里直接用标准谱减法，结果对方反馈「声音像在水里说话」。后来发现是噪声估计更新太慢，导致非平稳噪声没被减掉。解决办法是把噪声估计的更新周期从1秒缩短到200ms，同时加了一个VAD（语音活动检测）来防止语音段污染噪声估计。

维纳滤波跟谱减法不同。它不直接做减法，而是算一个增益函数，对每个频点做加权。说白了，信噪比高的频点多保留，信噪比低的频点压下去。

我个人习惯把维纳滤波理解成「智能音量旋钮」——每个频点都有一个独立的旋钮，旋钮的位置由当前信噪比决定。

维纳滤波的增益函数长这样：

H(ω) = Ps(ω) / (Ps(ω) + Pn(ω))

其中 Ps 是语音功率谱，Pn 是噪声功率谱。当 Pn 远大于 Ps 时，H 趋近于 0，该频点被抑制；反之则趋近于 1，保留原样。

嗯，这里要注意：实际实现时，Ps 和 Pn 都是估计值，估计不准就会导致语音失真。我在一个车载免提项目里，试过用维纳滤波做后处理，结果发现风噪场景下语音变得「闷闷的」。后来加了一个先验信噪比平滑，才把这个问题解决。

自适应滤波跟前面两种算法最大的区别是——它能自己调整参数。你不需要提前知道噪声的统计特性，算法会通过误差信号自动更新滤波器系数。

最经典的是LMS（最小均方）算法，更新公式简单到令人发指：

w(n+1) = w(n) + μ · e(n) · x(n)

μ 是步长因子，e(n) 是误差信号，x(n) 是输入信号。就这么一行，就能实现自适应噪声对消。

我在一个助听器芯片的移植项目中，用LMS做自适应反馈抑制。当时芯片的RAM只有32KB，我硬是把滤波器阶数压到了64阶，步长用定点Q15格式实现，最终跑在16kHz采样率下，延迟不到3ms。

经验之谈：自适应滤波的步长选择是个技术活。步长太大，收敛快但稳态误差大；步长太小，收敛慢且跟不上噪声变化。我一般用归一化LMS（NLMS），把步长除以输入信号的功率，这样对输入幅度变化不敏感。具体实现时，分母加一个小常数防止除零。

做DSP移植，最怕的就是算法跑不起来。咱们得算一笔账：

假设采样率16kHz，帧长256点，帧移128点（50%重叠）。每帧的处理时间必须小于帧移对应的时间——也就是128/16000 = 8ms。如果处理时间超过8ms，就会出现丢帧或卡顿。

三种算法的典型计算量对比如下：

算法	每帧乘加次数	典型延迟	适合平台
谱减法	~2K	1-3ms	MCU、低端DSP
维纳滤波	~5K	2-5ms	中端DSP、ARM
自适应滤波(LMS)	~N·M	3-10ms	DSP、FPGA

N是滤波器阶数，M是每帧采样点数。64阶LMS在256点帧长下，每帧大约需要16K次乘加——比谱减法多了8倍。

所以我的建议是：先评估硬件资源，再选算法。如果主频只有几十MHz，RAM不到64KB，老老实实用谱减法。如果有个300MHz以上的DSP，再考虑维纳滤波或自适应滤波。

下面这张图是我自己整理的，把三种算法的核心逻辑和适用场景串在了一起。你看完应该能快速建立起整体认知。

从这张图你能看到，三种算法虽然思路不同，但都依赖FFT和帧处理。这也是为什么我在后续章节会花大量篇幅讲FFT的DSP优化——它是所有降噪算法的基石。

好了，这一章的内容就到这里。三种算法各有千秋，没有绝对的好坏。关键是你得清楚自己的应用场景——是追求极低延迟？还是追求最佳语音质量？还是需要动态适应噪声环境？想清楚这个，选算法就不难了。