11、基于乘法常数的汽车噪声功率谱密度估计洞察

基于乘法常数的汽车噪声功率谱密度估计洞察

1 引言

在信号处理领域，噪声是影响通信质量的重要因素。噪声可定义为测量信号中除预期源之外的任何成分。例如，在工作室环境中录制的语音信号与在火车站录制的语音信号相比，前者通过特殊设计的房间和高质量设备，尽可能消除或减少了包括电气噪声在内的各种噪声源，信号更接近纯净语音；而后者则包含了火车引擎噪声、车站其他人的声音、公共广播系统的公告等背景噪声。

纯净语音信号在语音间隙的信号值假定为零，而含噪语音信号不仅语音本身受到噪声干扰，语音间隙的信号也仅包含噪声。在通信系统中，噪声是极不受欢迎的成分，它会增加说话者的发声努力（即伦巴第效应），使听众感到疲劳。在汽车环境中，发动机、风和轮胎噪声会使远程人员难以听清乘客的语音；在其他场景，如拥挤街道或嘈杂音乐会中使用手机、建筑工人通过对讲机协调工作时，本地背景噪声也会给通信带来困难。噪声还可根据环境分为机场噪声、街道噪声、地铁噪声、火车站噪声等。

本文聚焦于基于乘法常数的背景噪声功率谱密度（PSD）估计方法。尽管多通道方法在性能上可能优于单通道方案，但本文主要探讨单通道解决方案，不过多通道方法的额外信息也可轻松融入该方案。

2 单通道噪声PSD估计基础

2.1 现有噪声PSD估计算法

估计麦克风信号的背景噪声是一个广泛研究的课题，在免提系统、手机等众多设备的语音增强中有实际应用。实时应用的关键在于算法的估计质量和计算复杂度。目前存在多种估计背景噪声PSD的方法：
- 基于语音活动检测（VAD）的方法 ：早期方法之一是在无语音信号期间估计噪声功率。假设噪声变化比语音慢，可将最后一个无语音帧的估