📚 课程目录第4章经典降噪算法（维纳滤波）

4、经典降噪算法（维纳滤波）：原理推导、Python实现、与谱减法对比分析

维纳滤波，说实话，是降噪领域里一个非常经典的理论框架。它不像谱减法那样“简单粗暴”，而是从统计最优的角度去解决问题。我个人觉得，理解维纳滤波是迈向更高级自适应滤波算法（比如卡尔曼滤波）的必经之路。

这一章，我们就把维纳滤波的底裤扒开看看。从数学推导到代码落地，再跟上一章的谱减法做个硬碰硬的对比。

4.1 维纳滤波的核心思想：最小均方误差

维纳滤波的目标很明确：让估计出来的纯净语音，跟真实的纯净语音之间的均方误差最小。

用数学语言说，就是最小化 E[(s(n) - ŝ(n))²]。其中 s(n) 是真实语音，ŝ(n) 是估计出来的语音。

这个目标函数，说白了就是“我猜得准不准”。维纳老爷子在频域里找到了这个最优解，也就是维纳滤波器的传递函数：

H(k) = P_s(k) / [P_s(k) + P_n(k)]

这里：

H(k) 是第 k 个频率点的滤波器增益
P_s(k) 是纯净语音的功率谱
P_n(k) 是噪声的功率谱

嗯，这里要注意，P_s(k) 我们是不知道的。实际应用中，我们用带噪语音的功率谱 P_y(k) 和估计的噪声功率谱 P_n(k) 来近似：

H(k) = [P_y(k) - P_n(k)] / P_y(k)

你看，这个形式是不是跟谱减法的增益公式有点像？但本质不同，维纳滤波是从统计最优推导出来的，而谱减法是启发式的。

    核心洞察： 维纳滤波的本质是一个时变的、频率相关的低通滤波器。信噪比高的频段，增益接近1；信噪比低的频段，增益接近0。

4.2 原理推导：从时域到频域

推导过程其实不复杂，我简单走一遍，你感受一下数学之美。

假设语音和噪声不相关，带噪语音 y(n) = s(n) + n(n)。我们在频域里做估计：

Ŝ(k) = H(k) · Y(k)

估计误差的功率谱是：

E[|S(k) - Ŝ(k)|²] = E[|S(k) - H(k)Y(k)|²]

展开后，利用 S(k) 和 N(k) 不相关的性质，对 H(k) 求偏导并令其为零，就能得到上面的最优解。

我在项目中遇到过一个问题：当 P_y(k) ≈ P_n(k) 时，也就是噪声能量跟语音能量差不多，H(k) 会趋近于0，这会导致语音失真严重。后来我加了一个下限保护，效果好了很多。

4.3 Python 实现：从零开始写维纳滤波

直接上代码。我习惯把维纳滤波封装成一个类，方便跟其他算法做对比测试。

import numpy as np
from scipy.signal import stft, istft

class WienerFilter:
    def __init__(self, n_fft=512, hop_length=128):
        self.n_fft = n_fft
        self.hop_length = hop_length
        self.noise_psd = None  # 噪声功率谱密度

    def estimate_noise(self, y, sr):
        """用前几帧估计噪声功率谱"""
        _, _, Zxx = stft(y, fs=sr, nperseg=self.n_fft, noverlap=self.n_fft - self.hop_length)
        # 取前5帧作为噪声估计
        noise_frames = Zxx[:, :5]
        self.noise_psd = np.mean(np.abs(noise_frames)**2, axis=1, keepdims=True)
        return self.noise_psd

    def filter(self, y, sr):
        """执行维纳滤波"""
        if self.noise_psd is None:
            self.estimate_noise(y, sr)

        f, t, Zxx = stft(y, fs=sr, nperseg=self.n_fft, noverlap=self.n_fft - self.hop_length)
        mag_spec = np.abs(Zxx)
        phase_spec = np.angle(Zxx)

        # 计算带噪语音功率谱
        pyy = mag_spec**2

        # 计算维纳增益
        # 这里加了一个小常数防止除零
        gain = np.maximum(pyy - self.noise_psd, 0) / (pyy + 1e-10)

        # 应用增益
        mag_spec_enhanced = gain * mag_spec

        # 重建信号
        _, y_enhanced = istft(mag_spec_enhanced * np.exp(1j * phase_spec),
                              fs=sr, nperseg=self.n_fft, noverlap=self.n_fft - self.hop_length)
        return y_enhanced

避坑指南： 我曾经在 gain 计算时没加 np.maximum，结果出现了负增益，导致输出信号有“咔咔”的爆音。后来我养成了习惯：所有增益计算都要做非负约束。

4.4 与谱减法的对比分析

谱减法我们上一章讲过了。这里我把两者的核心差异整理成一个表格，方便你对照。

对比维度	维纳滤波	谱减法
理论基础	最小均方误差统计最优	启发式谱相减
增益公式	H = P_s / (P_s + P_n)	G = max(1 - α·P_n/P_y, β)
残留噪声	平滑、类似背景噪声	容易出现“音乐噪声”
语音失真	低频段失真较小	过减时失真明显
计算复杂度	略高（需估计噪声PSD）	较低
参数调节	参数少，主要调噪声估计	α、β、floor等参数多

你想想看，为什么维纳滤波的残留噪声更平滑？因为它的增益是连续变化的，不会像谱减法那样在某些频段突然“切一刀”。

我在实际项目中做过对比测试：用维纳滤波处理后的语音，听感上更自然，但有时候会觉得“闷”一点。谱减法处理后的语音更“亮”，但背景里总有那种“嘶嘶”的残留。

4.5 维纳滤波 vs 谱减法：选哪个？

这个问题没有标准答案。我个人的经验是：

场景一：语音通信（VoIP） —— 我倾向于用维纳滤波。因为通信场景对语音自然度要求高，维纳滤波的平滑残留不会让听者太疲劳。
场景二：语音识别前端 —— 谱减法可能更合适。因为识别系统对“音乐噪声”不敏感，但对语音失真敏感。谱减法参数调好了，能保留更多语音细节。
场景三：嵌入式实时系统 —— 如果算力有限，谱减法更友好。维纳滤波的噪声估计更新需要额外计算。

注意： 无论是维纳滤波还是谱减法，噪声估计的准确性都是命门。如果噪声估计不准，再好的算法也白搭。我见过太多人花大量时间调增益公式，却忽略了噪声估计模块，这是典型的“捡了芝麻丢了西瓜”。

4.6 本章知识体系

下面这张图，把维纳滤波的核心逻辑和与谱减法的关系梳理清楚了。

维纳滤波和谱减法，就像两个性格不同的老伙计。一个稳重但有点保守，一个激进但容易毛躁。在实际的嵌入式系统里，我经常把两者结合起来用：用维纳滤波做基础降噪，再用谱减法做后处理去残留。