第4章信号处理基础回顾

第1章：信号处理基础回顾

各位同学好，我是你们这门课的主讲。在正式进入混响抑制算法之前，我觉得有必要先带大家把信号处理的基础再过一遍。别嫌我啰嗦，这些基础东西，说白了就是咱们吃饭的碗筷——碗不干净，菜再好也白搭。

我在做音频算法这行快十年了，见过太多人一上来就调参数、跑模型，结果效果不好，回头一看，连STFT的窗函数选错了都不知道。嗯，咱们今天就把这些坑先填上。

傅里叶变换大家都熟，但音频信号是非平稳的——你想想看，一段语音里，元音和辅音的频率特性完全不一样。直接对整个信号做FFT，等于把不同时间的信息混在一起，这显然不合理。

STFT的思路很简单：加窗，分段，再对每一段做FFT。用数学表达就是：

X(m, k) = Σ x[n] · w[n - mR] · e^(-j2πkn/N)

这里m是帧索引，k是频率索引，w是窗函数，R是帧移。我个人习惯用汉宁窗，旁瓣抑制效果不错，主瓣宽度也能接受。

关键参数：

我在项目中遇到过一个问题：用矩形窗做STFT，结果频谱泄漏得一塌糊涂。后来换成汉宁窗，效果立竿见影。所以啊，窗函数别看它小，选错了真要命。

功率谱密度（PSD）说白了就是信号能量在频率上的分布。做混响抑制时，我们经常需要估计噪声的PSD，然后跟带噪语音的PSD做对比，才能决定哪些频率要压、哪些要留。

常用的估计方法有两种：

我个人推荐Welch法。为什么？因为它的方差控制得好，做出来的PSD曲线平滑，不容易出现虚假峰值。你想想看，如果PSD估计不准，后面维纳滤波的增益系数就会算错，那整个算法就崩了。

小技巧：做PSD估计时，别忘了加窗。我曾经偷懒没加窗，结果估计出来的噪声谱全是毛刺，调试了三天才发现问题。嗯，血的教训。

维纳滤波，说白了就是找一个最优的线性滤波器，让输出信号跟期望信号之间的均方误差最小。这个思想在混响抑制里非常核心——我们想从带混响的信号里恢复出干净的语音，本质上就是个最优估计问题。

频域维纳滤波器的增益公式长这样：

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

其中P_s(k)是纯净语音的PSD，P_n(k)是噪声的PSD。你看，这个公式多直观——信噪比高的频段，增益接近1，保留；信噪比低的频段，增益接近0，抑制。

但问题来了：我们哪知道P_s(k)和P_n(k)？这就是混响抑制算法的核心挑战——你得从带噪信号里估计出这两个量。

注意：维纳滤波假设信号和噪声是平稳的、不相关的。但实际音频信号哪有不相关的？语音和混响之间就有很强的相关性。所以直接套用维纳滤波，效果往往不理想。需要做各种改进，比如先做去相关处理。

我记得刚入行时，直接拿维纳滤波做降噪，结果语音失真得一塌糊涂。后来才明白，理论公式是死的，但应用场景是活的。你得根据实际情况调整先验信噪比的估计方法。

做音频算法，线性代数绕不开。尤其是后面讲子空间法、自适应滤波时，矩阵运算满天飞。这里我挑几个最常用的概念过一遍。

向量内积：衡量两个向量的相似度。在麦克风阵列波束形成里，我们经常用导向向量跟接收信号做内积，来增强某个方向的声音。

矩阵特征值分解：把矩阵分解成特征值和特征向量的形式。在子空间法中，我们把带噪信号的协方差矩阵做特征分解，把信号子空间和噪声子空间分开，然后只保留信号子空间的部分。

奇异值分解（SVD）：比特征分解更通用，任何矩阵都能做。我在做房间冲激响应估计时，经常用SVD来求伪逆，解决欠定问题。

实用公式：

你可能会问：这些数学概念跟混响抑制有什么关系？关系大了去了。比如在MVDR波束形成器里，你要解一个带约束的优化问题，最后就归结到求协方差矩阵的逆。如果矩阵病态，求出来的逆全是噪声，那算法就废了。

我曾经在一个混响严重的会议室里做测试，协方差矩阵的条件数高达10^6，结果波束形成出来的语音全是爆音。后来加了正则化项，把条件数压到100以内，效果才正常。所以啊，线性代数不是纸上谈兵，它直接决定了算法的稳定性。

好了，这一章的内容就到这里。基础的东西看着简单，但真正用起来，处处都是细节。下一章我们开始讲混响的物理模型和数学描述，到时候你会感谢今天打下的这些基础。