1. 课程导入
1.1 为什么我们需要语音降噪？
说实话，我入行做音频处理快十年了。刚毕业那会儿，在一家做对讲机芯片的公司干活。有一次去客户现场调试，对方老板当着我的面把对讲机摔在桌上，吼了一句：“这玩意儿在工地上一用，全是风钻声，谁听得清说话？”
嗯，那个场景我到现在都记得。语音降噪，说白了就是把人声从乱七八糟的背景里“捞”出来。你想想看，智能音箱在厨房里听你指令，旁边抽油烟机轰隆隆响；TWS耳机在地铁上通话，车厢噪音加上风噪；车载语音助手在高速上识别指令，胎噪、风噪、发动机声混在一起……这些场景，没有降噪，体验就是零。
语音降噪滤波器，就是干这个活的。它不是一个单一的技术，而是一整套信号处理链路。从最简单的模拟RC滤波器，到复杂的深度学习模型，都能做降噪。但核心目标只有一个：在抑制噪声的同时，尽量不损伤语音的清晰度和自然度。
核心矛盾：降噪深度 vs 语音失真。降得越狠，语音越容易“变味”。我见过不少方案，噪声是没了，但人声听起来像机器人，或者像在水里说话——这种产品用户照样骂。
1.2 降噪滤波器的技术演进
我习惯把降噪技术分成三代，这样讲起来比较清楚：
| 代际 | 典型方法 | 核心思路 | 我踩过的坑 |
|---|---|---|---|
| 第一代 | 谱减法、维纳滤波 | 假设噪声平稳，在频域做减法 | 音乐噪声特别刺耳，用户投诉“有鬼叫” |
| 第二代 | 子空间法、统计模型法 | 利用语音和噪声的统计特性做分离 | 计算量大，在Cortex-M4上跑不动 |
| 第三代 | DNN/RNN/Transformer | 数据驱动，端到端学习映射关系 | 模型量化后精度掉得厉害，调了好久 |
你可能会问：“那是不是第三代就完美了？”
不是的。深度学习模型效果好，但部署到嵌入式设备上，那叫一个折腾。我后面会详细讲。
1.3 部署挑战：从算法到产品的“最后一公里”
我在项目中遇到过最头疼的事，不是算法效果不好，而是算法在PC上跑得飞起，一放到芯片上就崩了。嗯，这里要注意，算法开发和嵌入式部署完全是两码事。
具体来说，部署挑战集中在以下几个方面：
- 算力墙：PC上有GPU、有大内存，嵌入式设备可能只有一个200MHz的MCU，RAM只有几百KB。一个几百万参数的模型，怎么塞进去？
- 功耗墙：TWS耳机单次充电要用几个小时，芯片功耗必须控制在毫瓦级。你不能为了降噪把电池耗光。
- 实时性墙：语音处理要求低延迟。通话场景下，端到端延迟超过30ms，用户就能感觉到“对讲机效应”。算法再牛，延迟超标就是废的。
- 资源墙：定点运算、查表替代浮点、内存复用……这些嵌入式基本功，很多算法工程师不熟悉。
我曾经犯过的错：第一次做DNN降噪部署时，我直接把PC上的float32模型扔到芯片上，结果RAM直接溢出。后来才知道，光是输入输出的环形缓冲区就得精心设计，更别说模型权重怎么压缩、激活函数怎么用查表近似。那次项目延期了两个月，教训深刻。
1.4 课程知识体系总览
这门课一共30章，我把它分成四个模块。下面这张图是我自己画的，你可以先有个整体印象：
1.5 课程目标：学完你能做什么？
我不喜欢讲虚的。这门课的目标很具体：
- 能独立设计一个语音降噪滤波器——从算法选型到参数调优，你心里有数。
- 能把算法部署到嵌入式平台上——ARM Cortex-M、Cortex-A、DSP，至少搞定一个。
- 能解决部署中的实际问题——内存不够怎么办？延迟超标怎么优化？定点精度掉了怎么补偿？
- 能看懂并移植工业级降噪代码——比如WebRTC的NS模块、Speex的降噪器，甚至自己魔改。
我的建议：学这门课的时候，最好手边有一块开发板。不用很贵，STM32F4或者树莓派都行。光看不动手，永远学不会部署。我见过太多人，算法原理讲得头头是道，一上板子就抓瞎——嗯，我希望你不是这样。
1.6 你需要什么基础？
坦白说，这门课有一定门槛。但我不希望你被吓退。你需要具备：
- 信号处理基础：傅里叶变换、数字滤波器设计（FIR/IIR），至少知道概念。如果你不懂，建议先补一下《数字信号处理》前四章。
- C语言编程能力：能写指针、结构体、回调函数。部署代码基本都是C，偶尔混点汇编。
- Python基础：我们会用Python做算法原型验证和数据分析。不要求多精通，能跑通notebook就行。
- 一点点机器学习常识：知道什么是训练、推理、过拟合。深度学习的部分我会从原理讲起，但如果你完全零基础，可能会吃力。