Noise Meter - Introduktion till brusreducering
Efter att ha förstått de grundläggande skillnaderna mellan brusreducering (dämpa högtalarmiljöljud för fjärrlyssnare att höra tydligt) och aktiv brusreducering (kompensera lyssnarens eget omgivningsbrus), låt oss fokusera på hur man uppnår brusreducering.
En metod är att använda flera mikrofoner för att undertrycka data. Att samla in data från flera platser kommer att resultera i att enheter får liknande (men fortfarande differentierade) signaler. Röstsignalen som tas emot av mikrofonen nära den talande befolkningen är betydligt starkare än den för den sekundära mikrofonen. Två mikrofoner kommer att ta emot bakgrundsljud utan röst med liknande signalstyrka. Subtrahera ljudinformationen som samlas in av den starka röstmikrofonen och den sekundära mikrofonen, och den återstående majoriteten är röstinformationen. Ju större avståndet är mellan mikrofonerna, desto större blir signalskillnaden mellan närmare och längre mikrofoner, vilket gör det lättare att använda denna enkla algoritm för att undertrycka brus. Men när du inte pratar, eller när du förväntar dig att röstdata kommer att förändras med tiden (som när du går eller springer, och din telefon fortsätter att skaka), kommer denna metods effektivitet att minska. Brusreducering med flera mikrofoner är verkligen tillförlitlig, men det finns nackdelar med ytterligare hårdvara och bearbetning.
Så, tänk om det bara fanns en mikrofon? Om ytterligare ljudkällor inte används för verifiering/jämförelse, kommer en enda mikrofonlösning att förlita sig på att förstå de mottagna brusegenskaperna och filtrera bort dem. Detta är relaterat till de tidigare nämnda definitionerna av stationärt och icke-stationärt brus. Steady state-brus kan effektivt filtreras bort genom DSP-algoritmer, medan icke-stationärt brus utgör en utmaning, kan djupa neurala nätverk (DNN) hjälpa till att lösa problemet.
Denna metod kräver en datauppsättning för att träna nätverket. Denna datauppsättning består av olika (steady-state och icke-stationära) brus och tydligt tal, vilket skapar ett syntetiserat bullrigt talmönster. Mata datauppsättningen som indata till DNN och mata ut den med tydlig röst. Detta kommer att skapa en neural nätverksmodell som kommer att eliminera brus och bara mata ut tydligt tal.
Även med utbildade DNN:er finns det fortfarande vissa utmaningar och indikatorer att överväga. Om du vill köra i realtid med låg latens behöver du stark processorkraft eller en mindre DNN. Ju fler parametrar i DNN, desto långsammare körhastighet. Ljudsamplingsfrekvensen har en liknande effekt på ljuddämpningen. En högre samplingsfrekvens innebär att DNN behöver hantera fler parametrar, men i sin tur kommer det att uppnå högre kvalitet på resultatet. Smalbandig röstkommunikation är ett idealiskt val för brusreducering i realtid.
