扩音 Python | 简单的扩音，音频去噪，静音剪切

我之前从事数字语音识别有一段时间了，但是训练算法要花很多时间，但是效果并不理想。后来发现自己忽略了音频预处理这一步，于是转而学习一些简单的信号处理算法。以下是对以下内容的简要介绍:

放大声音

音频去噪

静音剪切

Git库的源代码和演示代码的地址将在文章的最后给出。有需要的同学要自带。

基本概念

数字信号

数字信号是通过采样连续模拟信号获得的离散函数。可以简单的看成是以时间为下标的数组。比如x，n是整数。例如，下图是正弦信号:

对于任何音频文件，其实都是这样存储的。比如下面是英文单词“skip”对应的一个信号:

汉宁窗

三角窗

我们将转换后的窗口函数与原始信号相乘，以获得信号的“帧”:

w*x

例如，长度为22.6毫秒的汉宁窗口被添加到“跳过”信号的中间部分，以获得帧信号:

可以看出，除了有限的间隔之外，加窗信号的所有部分都是0。

离散傅里叶变换可以应用于帧信号，以获得该帧中频率和能量的分布信息。

如果我们按照上面的方法把信号分成一帧，然后用离散傅里叶变换把每一帧变换到频域，最后在频域把每一帧的图像拼接起来，横坐标代表时间，纵坐标代表频率，颜色代表能量强度，那么就可以构造出所谓的谱图。例如，对应于“跳过”发音的信号的频谱图如下:

从几帧信号中，我们可以恢复出原始信号。只要我们适当地选择窗口大小和窗口之间的平移距离，我们就可以得到...，w ，w ，w ，w ，...，所以k的和是:

总和 = 1

因此，可以通过简单地叠加每个帧信号来恢复原始信号:

sum = x

最后要注意的是，窗函数也可以在频域作用于信号，使其可以取出信号的某个频带。

这里有三种音效。

1.扩大

要放大信号强度，只需增加信号的“幅度”。例如，给定一个信号x，用a >: 1相乘，你得到一个更大的增强信号:

a*x

同样，系数0

2.去噪

对于白噪声，我们可以简单地用“移动平均滤波器”来去除。虽然这样会在一定程度上降低声音的强度，但是效果确实不错。但是对于成分复杂的噪声，特别是频带内能量分布不均匀的噪声，需要采用以下噪声门技术，可以看作是一种“多带通滤波器”。

这种特殊效果的基本思想是对噪声样本进行建模，然后降低待去噪信号中噪声的分贝。

更具体地说，噪声门g，...，g分别设置在若干频带f上，...，并且每个门具有相应的阈值，即t，...，t。这些阈值是根据噪声样本确定的。例如，当通过门g的信号强度超过阈值t时，门将被关闭，否则，门将被重新打开。只有强度大于噪音的声音，通常是我们想要的声音，才会保留在最终的信号中。

为了避免噪声门的打开和关闭引起信号的剧烈变化，作者采用sigmoid函数对信号进行平滑，即噪声门在打开和关闭状态之间连续变化，信号通过率也在1.0和0.0之间均匀变化。

在实现中，我们使用汉宁窗来帧化信号。然后，对于每一帧，通过三角窗将信号分成几个频带。在以这种方式处理噪声样本之后，可以获得对应于信号的每个频带的阈值。然后对原始信号进行这样的处理，根据每一帧和每一频带的信号强度与相应阈值的差值，计算相应噪声门的开度和关度，即通过信号的强度。最后，通过简单地叠加每个频带和每个帧的通过信号来获得降噪信号。

例如，原始“跳过”语音信号的频谱如下:

可见噪声较多。采集0.25秒前的声音作为噪声样本，对信号进行去噪处理，得到去噪后信号的频谱如下:

可以清楚地看到，大部分噪声已经去除，而语音部分仍然完好无损，强度没有减弱，这是移动平均滤波器无法实现的。

3.静音切割

经过上述音频降噪处理后，我们可以进一步去除冗余静音。

剪切的原理很简单。首先，信号由汉宁窗构成。如果帧的信号强度太小，则丢弃该帧。最后将保留的帧叠加，得到去掉静音部分的信号。

例如，降噪后的“跳过”语音信号被无声剪切，新信号的频谱图如下:

指

维基百科词条-噪音之门

Audacity，一款开源音频处理软件

我的GitHub

●●●

回复以下关键词查看相应内容

美国游戏/数学建模|学校日历|成绩单/推荐信

医保/南院门诊|毕业/典礼/留言

大学服务中心|辅导员|校车|工作

回复老师名字获取相应信息

●●