2. 噪声模型与数据准备：常见噪声类型、采集规范与合成数据集制作

做降噪算法，说白了就是跟噪声打仗。但你连敌人长什么样都不知道，这仗怎么打？

我刚开始做音频算法时，就犯过这个错——拿到一个公开数据集就开始调参数，结果模型在实验室跑得挺好，一到客户现场就崩了。后来我才明白：噪声数据的质量，直接决定了算法的上限。

这一章，我们就来聊聊噪声的“家底”。

2.1 常见噪声类型：你得认识它们

噪声不是铁板一块。不同场景、不同来源的噪声，频谱特性天差地别。我个人习惯把它们分成三类：

噪声类型	频谱特征	典型场景	处理难度
白噪声	全频段能量均匀	风扇、空调、白噪音机	低（容易建模）
粉红噪声	低频能量高，每倍频程衰减3dB	交通噪声、人群嗡嗡声	中（接近真实环境）
突发噪声	时域短时高能量，频域宽	关门声、键盘敲击、碰撞声	高（瞬态难抑制）

2.1.1 白噪声：最基础的“靶子”

白噪声的功率谱密度在整个频域内是常数。说白了，就是每个频率的能量都一样多。

为什么拿它做测试？因为它最“公平”。如果你的算法连白噪声都搞不定，那别的噪声基本没戏。

我在项目中遇到过一件事：有个供应商说他们的降噪芯片能压掉30dB噪声，结果我拿白噪声一测，实际只有18dB。嗯，水分就是这么挤出来的。

2.1.2 粉红噪声：更“真实”的对手

粉红噪声的功率谱密度随频率升高而降低，每倍频程下降3dB。这跟自然界很多声音的分布规律一致——低频能量大，高频能量小。

你想想看，马路上卡车的声音是不是比轮胎摩擦声更“轰隆隆”？那就是粉红噪声的特征。

实战建议： 做车载降噪时，粉红噪声是必测项。我一般会生成-20dB到0dB不同信噪比的粉红噪声样本，覆盖从高速巡航到怠速的各种工况。

2.1.3 突发噪声：最头疼的“刺客”

突发噪声的特点是：来得快、去得快、能量高。比如关门声、杯子碰桌面的声音、键盘敲击声。

为什么难处理？因为传统降噪算法需要时间收敛，而突发噪声在收敛之前就已经结束了。你还没来得及反应，它已经过去了。

我曾经调试一个门禁对讲系统，用户反映“每次关门都听不到对方说话”。查了半天，就是突发噪声触发了降噪的误判，把正常语音也一起压掉了。这个坑，后面讲VAD（语音活动检测）时会详细说。

2.2 数据采集规范：别在源头就输了

数据采集这件事，看着简单，其实门道很多。我见过太多团队花大价钱买设备，结果采集出来的数据根本不能用。

2.2.1 硬件选型要点

• 麦克风： 至少使用IEPE或MEMS测量麦克风，频响范围20Hz-20kHz，平坦度±1dB以内
• 声卡： 采样率至少48kHz，量化精度24bit，信噪比>100dB
• 校准： 每次采集前用声级校准器（如B&K 4231）做声压校准

我个人习惯在采集前录一段1kHz正弦波作为参考，这样后期做频响补偿时有个基准。

2.2.2 采集环境要求

参数	要求	说明
本底噪声	< 30dB(A)	低于目标噪声至少20dB
混响时间	RT60 < 0.3s	避免房间声染色
麦克风距离	固定30-50cm	模拟真实使用场景
录制时长	每段≥30秒	保证统计稳定性

2.3 合成噪声数据集制作：自己动手，丰衣足食

公开数据集虽然方便，但往往跟你的目标场景不匹配。我建议你学会自己合成噪声数据集。这样你就能精确控制信噪比、噪声类型、混合比例，甚至模拟特定设备的声学特性。

2.3.1 合成流程

1. 生成基础噪声： 用Python的numpy.random.randn()生成白噪声，用滤波器生成粉红噪声
2. 添加突发事件： 从Freesound等网站下载真实突发噪声，随机插入到背景噪声中
3. 混合语音： 将干净语音与噪声按目标SNR混合，公式：mixed = speech + noise * (10^(-SNR/20))
4. 后处理： 添加房间冲激响应（RIR）模拟混响，做电平归一化

import numpy as np
import soundfile as sf

def generate_pink_noise(length, fs=16000):
    """生成粉红噪声"""
    white = np.random.randn(length)
    # 粉红噪声滤波器：每倍频程-3dB
    b = [0.049922035, -0.095993537, 0.050612699, -0.004408786]
    a = [1, -2.494956002, 2.017265875, -0.522189400]
    pink = signal.lfilter(b, a, white)
    return pink / np.max(np.abs(pink))

def mix_speech_noise(speech, noise, snr_db):
    """按SNR混合语音和噪声"""
    speech_power = np.mean(speech**2)
    noise_power = np.mean(noise**2)
    scale = np.sqrt(speech_power / (noise_power * 10**(snr_db/10)))
    mixed = speech + scale * noise
    return mixed / np.max(np.abs(mixed))

# 使用示例
speech, fs = sf.read('clean_speech.wav')
noise = generate_pink_noise(len(speech), fs)
mixed = mix_speech_noise(speech, noise, snr_db=10)
sf.write('mixed_10dB.wav', mixed, fs)

2.3.2 数据集结构建议

我推荐按以下目录结构组织你的合成数据集：

dataset/
├── train/
│   ├── clean/          # 干净语音
│   ├── noise/          # 纯噪声
│   └── mixed/          # 混合语音（按SNR分文件夹）
│       ├── snr_0dB/
│       ├── snr_5dB/
│       ├── snr_10dB/
│       └── snr_15dB/
├── val/                # 验证集，结构同上
└── test/               # 测试集，结构同上

每个子文件夹里放对应的WAV文件，文件名建议包含关键信息，比如：speaker001_noise003_snr10.wav。这样后期分析结果时，一眼就能看出样本来源。

2.4 本章知识体系

下面这张图总结了噪声模型与数据准备的核心逻辑：