📚 课程目录第1章课程导入

1. 课程导入

1.1 为什么降噪滤波器是语音AI的“守门员”

各位同学好，我是这门课的主讲。先聊点实际的——你想想看，一个语音AI系统，无论前端算法多牛，模型参数量多大，只要麦克风采集的信号里混着风扇声、键盘敲击声、马路上的胎噪，那后面的ASR（语音识别）准确率直接跳水。我见过太多团队花几个月调模型，最后发现瓶颈居然在降噪预处理上。

降噪滤波器，说白了就是给语音信号“洗澡”。它把干净的语音从嘈杂的背景里捞出来。在真实场景中，这步不是“锦上添花”，而是“雪中送炭”。

核心价值总结：

提升识别率：降噪后ASR字错率（CER）通常能降 20%-40%
降低带宽占用：压缩前先滤波，码率更低，音质更好
保护后端模型：干净输入让VAD、说话人分离等模块更稳定

我在项目中遇到过最典型的案例：某智能音箱产品，在实验室环境下唤醒率 98%，一放到厨房（油烟机+水流声）直接掉到 62%。后来加了一级自适应降噪滤波器，唤醒率回升到 91%。你看，硬件没变，算法没变，就靠滤波器把“脏”信号洗干净了。

1.2 这门课到底讲什么？

这门课不是讲理论推导的。市面上讲维纳滤波、卡尔曼滤波的书很多，但没人告诉你——怎么把滤波器跑在GPU上，怎么用C++实现实时流式处理，怎么在Docker里一键部署。

课程一共30章，我把它分成四个阶段：

阶段	章节范围	核心内容
基础夯实	第1-8章	环境搭建、信号处理基础、经典滤波器实现
进阶算法	第9-16章	自适应滤波、子带滤波、深度学习降噪
工程优化	第17-24章	GPU加速、C++实时流、低延迟优化
部署实战	第25-30章	Docker镜像构建、K8s编排、性能调优

我个人习惯是“先跑通，再优化”。所以第一章咱们先把环境搭好，后面每一章都有可运行的代码。

1.3 环境搭建：Docker + GPU，一步到位

好，开始动手。我假设你已经有了一台带NVIDIA显卡的机器（或者云服务器）。咱们的目标是：一个命令启动容器，里面Python、CUDA、PyTorch、音频处理库全配好。

1.3.1 为什么用Docker？

你想想看，语音算法依赖的库太多了——librosa、soundfile、webrtcvad、onnxruntime、cupy……每个人系统版本不同，装起来能折腾一整天。Docker把环境“固化”成镜像，到哪都能跑。

我的建议： 别在宿主机上直接装深度学习环境。用Docker隔离，换项目、换版本都方便。我曾经因为CUDA版本冲突重装了三次系统，后来全用Docker，再没出过问题。

1.3.2 拉取基础镜像

我选的是 nvidia/cuda:12.1.0-runtime-ubuntu22.04，稳定且兼容性好。执行：

docker pull nvidia/cuda:12.1.0-runtime-ubuntu22.04

嗯，这里要注意：如果你显卡较老（比如GTX 10系列），建议用 cuda:11.8 版本，兼容性更好。

1.3.3 编写Dockerfile

我习惯把依赖分层写，利用Docker的缓存机制，避免每次重装。下面是我的Dockerfile：

FROM nvidia/cuda:12.1.0-runtime-ubuntu22.04

# 安装系统依赖
RUN apt-get update && apt-get install -y \
    python3.10 python3-pip python3-dev \
    libsndfile1-dev libportaudio2 \
    ffmpeg sox \
    && rm -rf /var/lib/apt/lists/*

# 安装Python包
RUN pip3 install --no-cache-dir \
    torch==2.1.0 torchaudio==2.1.0 \
    numpy==1.24.3 scipy==1.11.1 \
    librosa==0.10.1 soundfile==0.12.1 \
    webrtcvad==2.0.10 \
    onnxruntime-gpu==1.15.1 \
    cupy-cuda12x==12.0.0

# 设置工作目录
WORKDIR /workspace
CMD ["/bin/bash"]

避坑指南： 我曾经在Dockerfile里漏了 libsndfile1-dev，结果 soundfile 库怎么都装不上。音频处理相关的系统库一定要装全，否则后面编译报错很头疼。

1.3.4 构建并启动容器

构建镜像：

docker build -t speech-denoise:1.0 .

启动容器，挂载代码目录并暴露GPU：

docker run -it --gpus all \
  -v $(pwd)/code:/workspace/code \
  -p 8888:8888 \
  speech-denoise:1.0

参数说明：

--gpus all：让容器内能访问所有GPU
-v：挂载本地代码目录，方便编辑
-p 8888:8888：映射Jupyter端口（后面调试用）

1.4 验证环境：跑一个简单的降噪测试

进到容器里，咱们写个脚本验证一下。创建一个 test_env.py：

import torch
import torchaudio
import numpy as np
import soundfile as sf

print(f"PyTorch版本: {torch.__version__}")
print(f"CUDA可用: {torch.cuda.is_available()}")
print(f"GPU数量: {torch.cuda.device_count()}")

# 生成一个1kHz的正弦波 + 白噪声
fs = 16000
t = np.linspace(0, 1, fs)
clean = 0.5 * np.sin(2 * np.pi * 1000 * t)
noise = 0.2 * np.random.randn(fs)
noisy = clean + noise

# 保存测试音频
sf.write("test_noisy.wav", noisy, fs)
print("测试音频已生成: test_noisy.wav")

运行：

python3 test_env.py

如果输出显示 CUDA可用: True，说明环境没问题。你可以用 ffplay test_noisy.wav 听一下效果——嗯，背景有嘶嘶声，这就是咱们后面要干掉的东西。

1.5 本章知识体系总览

我把第一章的核心逻辑画成了一张图，方便你理解整体脉络：

1.6 本章小结

好，第一章就到这。咱们做了三件事：

理解了降噪滤波器在语音AI中的核心价值——它不是“锦上添花”，是“雪中送炭”
明确了课程目标——30章，从基础到部署，全程实战
搭建了Docker + GPU环境——一个命令启动，所有依赖就绪