WebRTC NS

噪聲頻譜使用語音/噪聲似然函數進行估計。將接收到的每幀信號和頻率分量分類爲噪聲或語音。
NS主要用於寬帶，加性，有色噪聲。
WebRTC中NS是對語音/噪聲似然比(VAD檢測時就用了該方法)函數進行改進，將多個語音/噪聲分類特徵合併到一個模型中形成一個多特徵綜合概率密度函數，對輸入的每幀頻譜進行分析，可以有效地抑制風扇/辦公設備等噪聲。
抑制過程如下：對接收到的每一幀帶噪語音信號，以對該幀的初始噪聲估計爲前提，定義語音概率函數，測量每一幀帶噪信號的分類特徵，使用測量出來的分類特徵，計算每一幀基於多特徵的語音/噪聲概率，再對計算出的語音/噪聲概率進行動態因子(信號分類特徵和閾值參數)加權，根據計算出的每幀基於語音/噪聲概率。修改多幀中每一幀的語音概率函數，用更新後的每幀語音概率函數，更新每幀中的初始噪聲估計。
基於特徵的語音概率函數通過使用映射函數(如sigmod/tanh激活函數)將每幀的信號分類特徵映射到一個概率值輸出。
分類特徵包括：LRT似然比均值特徵，頻譜平坦度，頻譜差異。

原有模型：
專利：
在現有噪聲模型基礎上增加f噪聲估計：

$\beta=0$爲白噪聲，$\beta>0$粉紅噪聲建模，$\beta<0$藍噪聲建模。