3. 噪声基础与分类

做语音算法这些年，我最大的感触就是——噪声从来不是“均匀”的敌人。你想想看，会议室里的空调嗡嗡声，和马路上的车流呼啸，它们对语音的污染方式完全不同。如果不先把噪声的“脾气”摸清楚，后面设计滤波器基本就是瞎蒙。

这一节，我们就来系统地拆解噪声。我会从两个维度切入：分类体系和常见模型。搞懂这些，你才能知道什么时候该用谱减法，什么时候该上维纳滤波，什么时候得祭出深度学习。

3.1 噪声的两大分类维度

噪声分类有很多种方法，但实战中最常用的就两个维度：平稳性和叠加方式。我个人习惯把它们放在一起看，这样能快速定位降噪策略。

3.1.1 平稳噪声 vs 非平稳噪声

这个分类看的是噪声的统计特性随时间变不变。

• 平稳噪声：统计特性（均值、方差、功率谱）随时间基本不变。比如空调的嗡嗡声、风扇的呼呼声、白噪声发生器。这类噪声最好处理，因为你可以用一段“纯噪声”帧来估计它的谱，然后直接减掉。
• 非平稳噪声：统计特性随时间剧烈变化。比如突然的关门声、键盘敲击声、街道上的车流声。这类噪声是语音降噪的“硬骨头”。

3.1.2 加性噪声 vs 乘性噪声

这个分类看的是噪声和语音信号怎么“结合”的。

• 加性噪声：噪声直接加到语音信号上。数学上就是 y(t) = x(t) + n(t)。这是最常见的情况，比如麦克风采集到的环境噪声。处理起来相对直接，谱减法、维纳滤波都是基于这个模型。
• 乘性噪声：噪声和语音信号相乘。数学上是 y(t) = x(t) * n(t)。这种情况通常出现在信道衰落、麦克风振膜老化等场景。处理乘性噪声，一般先取对数，把它变成加性噪声再处理。

3.2 常见噪声模型详解

理论说完了，我们来看看实战中经常遇到的几种噪声。我按频率特性和应用场景把它们分成了四类。

3.2.1 白噪声

白噪声是所有频率上功率谱密度都相等的噪声。它就像一束“全频段”的光，均匀地照亮每个频点。

• 特点：功率谱平坦，自相关函数是冲激函数。
• 应用：常用于算法测试、系统辨识、心理声学实验。
• 生成方式：用随机数生成器产生高斯分布或均匀分布的序列即可。

# Python 生成白噪声示例
import numpy as np

def generate_white_noise(length, fs=16000):
    """生成高斯白噪声"""
    noise = np.random.randn(length)
    # 归一化到 [-1, 1]
    noise = noise / np.max(np.abs(noise))
    return noise

# 生成1秒的白噪声，采样率16kHz
white_noise = generate_white_noise(16000)

3.2.2 粉红噪声

粉红噪声的功率谱密度与频率成反比，即每倍频程下降3dB。它比白噪声更“自然”，因为自然界中很多声音（比如瀑布、风声）都接近粉红噪声。

• 特点：低频能量大，高频能量小。听起来比白噪声“柔和”。
• 应用：模拟环境背景噪声、音频设备测试。
• 生成方式：对白噪声进行低通滤波，或者用Voss-McCartney算法。

3.2.3 汽车噪声

汽车噪声是典型的非平稳、加性噪声。它由多种声源叠加而成：发动机轰鸣、轮胎与路面摩擦、风噪、空调压缩机等。

我做过一个车载语音项目，当时采集了不同车速下的噪声数据。结果发现：

• 低速（0-40 km/h）：主要是发动机低频轰鸣，频率集中在100-300 Hz。
• 中速（40-80 km/h）：轮胎噪声开始占主导，频率范围扩展到500-2000 Hz。
• 高速（80 km/h以上）：风噪成为主要成分，高频能量明显增加。

3.2.4 人群噪声

人群噪声（babble noise）是多个说话人同时说话时产生的背景声。它是最难处理的噪声之一，因为它的频谱特性和语音非常相似。

• 特点：频谱与语音高度重叠，非平稳性强，包含大量瞬态成分。
• 应用：会议系统、智能音箱、助听器。
• 难点：传统降噪方法很难区分目标语音和背景语音，容易把目标语音也一起滤掉。

我记得有一次在咖啡馆测试降噪算法，背景里有人聊天。我的算法把背景人声当成了噪声，结果把目标说话人的声音也削掉了一部分。嗯，这就是人群噪声的“狡猾”之处。

3.3 噪声特性分析框架

说了这么多，我们来画一张图，把整个知识体系串起来。这张图是我做项目时经常参考的框架，它能帮你快速定位噪声类型，并选择合适的降噪策略。

3.4 实战中的噪声分析流程

理论框架有了，模型也认识了。那在实际项目中，拿到一段带噪语音，该怎么分析它的噪声特性呢？我一般按下面几步走：

1. 听：先戴上耳机听一遍。凭经验判断噪声类型——是平稳的嗡嗡声，还是突发的撞击声？
2. 看时域波形：观察幅度的变化。平稳噪声的幅度包络比较稳定，非平稳噪声会有明显的起伏。
3. 看频谱图：用短时傅里叶变换画出语谱图。白噪声的频谱是均匀的，粉红噪声低频能量大，汽车噪声有明显的低频条带，人群噪声则像“散落的星星”。
4. 计算统计量：计算噪声段的均值、方差、功率谱密度。如果统计量随时间变化不大，就是平稳噪声。
5. 做VAD：用语音活动检测把语音段和噪声段分开，单独分析噪声段的特性。