风噪（wind noise）及传统处理方法

风噪（wind noise）

最近在研究关于风噪相关的知识，简单地整理了一下风噪的特点，以及在传统方法中是如何处理风噪的。由于风噪的频率随时间快速变化以及非平稳的特性，常用的降噪算法并不适用，本文整理了两篇关于单通道风噪处理的论文，可以看出虽然有一定的效果，但仍不能解决风噪问题，两篇论文中信噪比分别为 -5 以及 -4，但在实际场景中，信噪比经常低至 -10 以下甚至 -20dB。因此目前来说，风噪仍是一个无法解决的问题，尤其是对于手机、耳机以及助听器等设备来说，由于设备体积的限制，无法应用复杂的声学结构来减轻风噪，只能通过信号处理的方式来减轻风噪的干扰。

风噪

风噪是如何产生的 ?

一般来说，噪声是由声源背景中其他声源产生的。但风噪不同，风噪不是人类在有风环境下听到的噪声，而是由于麦克风附近的空气湍流产生的，因此风噪的声源就是麦克风附近。

风噪长什么样 ?

风噪：

一般噪声（Babble）:

风噪的特点

MEASUREMENT, ANALYSIS AND SIMULATION OF WIND NOISE SIGNALS FOR MOBILE COMMUNICATION DEVICES, 2014
SINGLE MICROPHONE WIND NOISE PSD ESTIMATION USING SIGNAL CENTROIDS, 2014

1. 对语音的影响
   如图所示，风噪对语音质量（PESQ）有较大的损害，对于 STOI 测得的语音清晰度损害较小。图中 HHP 为手持式，HFP 为免提式。
   

1. 低频信号随时间快速变化
   

1. 非平稳性
   风噪：
   

Babble:


短期能量方差比较：

1. 多麦克风之间，风噪表现出不相关性
   这一特性是由风噪的产生方式决定的，风噪的声源就在麦克风周边，且空气湍流是随机紊乱的，因此不同麦克风中的风噪不相关。
   
2. 大部分能量在低频范围且由低频向高频递减（1/f 特性）
   

---

风噪处理传统方法

SINGLE MICROPHONE WIND NOISE PSD ESTIMATION USING SIGNAL CENTROIDS

2014 ICASSP

核心思想： 估计噪声的功率谱密度（PSD）。由于风噪的非平稳特性，常用的噪声估计方法难以实现，本文提出基于信号质心（SSC）的单通道风噪PSD估计方法。

步骤： 特征提取、风噪检测、风噪PSD计算

特征提取（信号质心）

信号分析：

风噪的一个特征是谱能量分布，如图所示是风噪、清音以及浊音的频谱能量分布。可以看出风噪的能量主要分布在低频，浊音主要分布在 100 到 1000 Hz，清音主要在 3000 Hz 以上。从图上可以看出，风噪主要和浊音音段的频率重叠，因此风噪检测与 PSD 计算只在 0~3000 Hz 的频率范围内进行。

为了检测和估计风噪，引入了”频谱子带质心“概念，spectral sub-band centroid (SSC) 作为特征。SSC 用来确定子带中信号频谱的重心，第 m 个子带的SSC 定义为：

其中，fs 为采样率（16K），L 为 FFT 的窗大小（512），?? 为信号的PSD。

风噪检测

对比风噪与浊音的SSC 可以看到风噪的 SSC 集中在 100 Hz 以下，浊音的 SSC 主要分布在 300 到 500 Hz 之间：

对比在不同信噪比下 SSC 的平均值，如图根据 SSC 与信噪比之间的关系，定义了三个范围（A、B 和 C）：

其中 A 和 C 分别由风噪和清音占主导地位，B 区域为风噪与浊音的重叠区域，三区域之间的划分频率分别为 f1（200 Hz）和 f2（600Hz），对于低于 f1 的 SSC 值，假设为纯风噪，高于 f2 的 SSC 值假设为清音语音。

风噪 PSD 计算

则估计的 PSD 可以由噪声分量 递归平滑得到：

其中 ????? 为噪声周期图（幅度的平方） 为平滑因子。对于 A 区域，假设为纯风噪，则直接使用输入信号计算，对于 C 区域认为是 0，对于 B 区域，则使用一种更为复杂的计算方法。由于风噪频谱功率的 1/f 衰减特性，使用简单的指数拟合：

其中 和 通过带噪语音频谱上的两个极小值估算。其理论依据是，浊音的谐波结构，频谱在基音频率和该频率的倍数处为局部最大值，在基音频率倍数之间，频谱为局部最小值，其中几乎不存在语音能量，可以视为风噪频谱，如下图所示，使用黑圈标记的点来计算 和 ?：

综上，可以得出噪声周期图的计算公式：

噪声估计的性能很大程度上也取决于 PSD 公式中的平滑因子 ?? ，一方面，较小的平滑因子可以快速跟踪风噪，但误将语音检测为风噪的概率也会增加；另一方面，较大的平滑因子降低了错误检测率，然而不能快速的跟踪风噪。因此，提出自适应的平滑因子（）：

评价指标：

NA-SA（噪声衰减-语音衰减）、SII（语音可懂度指数）

效果：

左：NA-SA，右：SII，下：SNR = -5dB 时带噪语音与增强后语音

Mitigating Wind Noise in Outdoor Microphone Signals using a Singular Spectral Subspace Method

2017 INTECH

核心思想： 利用奇异谱分析（Singular Spectrum Analysis;SSA）来分离风噪。

步骤： 嵌入、奇异值分解、组合、重构。

?选取窗长 L ，论文中为 M/4，然后得到轨迹矩阵，对矩阵进行奇异值分解，选取特征值最大的一组为主成分，然后计算其他组与主成分的相关性，并按照相关性进行排序，选取前 N 组，然后利用前 N 组重构信号。其中窗长 L 与分组 N 为超参数。

评价指标：

?SNR，降噪前 SNR 为确定的 SNR，对估计的信号与噪声重新计算 SNR，为估计的 SNR，比较估计 SNR 与降噪前 SNR。

效果：