噪聲估計之MCRA2

1.MCRA-2

​ 上一篇中介紹了$MCRA$¹噪聲估計方法，這種方法計算簡單效率高，但是也有一些不足，仔細觀察MCRA譜最小值跟蹤部分，使用$Smin$記錄最小值，並通過$Stemp$每$L$幀重置一次，那麼問題就來了，假如噪聲水平在一直緩慢上升，MCRA的這種跟蹤方法將產生最大2L幀的延遲，如果噪聲較不平穩的話這種方法效果就不是很好，

​ 對於這個缺陷，Loizou提出了一些改進方法MCRA-2²，還是基於上一篇的MCRA處理框架，主要有三個不同的地方，這裏簡單介紹下，

1.1 譜平滑：

MCRA-2中的帶噪譜只在時間維度上做了平滑，沒有頻率維度上平滑
$P(\lambda,k) = \eta P(\lambda-1,k)+(1-\eta)|Y(\lambda,k)|^2$
$\eta$爲平滑參數，一般取$0.7<\eta<0.9$

1.2 搜索策略

主要改進就是在最小值搜索的策略上。新的方法不依賴搜索窗長，因此也叫做連續譜最小值跟蹤(Continuous Spectral Minimum Tracking )，搜索策略僞代碼如下

IF $Pmin(\lambda-1,k)<P(\lambda,k)$, then

$Pmin(\lambda,k)=\gamma Pmin(\lambda-1,k)+\frac{1-\gamma}{1-\beta}(P(\lambda,k)-\beta P(\lambda-1,k))$

else

$Pmin(\lambda,k)=P(\lambda,k)$

end

1.3 判決門限

MCRA-2中使用了頻率相關的門限$\delta$，相比較MCRA中使用的是固定門限，具體設置如下：
$\delta(k)=\left\{\begin{array}{ll}{2} & {1 \leq k \leq L F} \\ {2} & {L F<k \leq M F} \\ {5} & {M F<k \leq F s / 2}\end{array}\right.$

2. code & result

利用MCRA-2中的方法估計噪聲，結合譜減法降噪效果如下


對比可以看到噪聲有了一定程度的抑制，同時也可以看到3000左右有一條分界線，這是由於門限$\delta$突變造成的，這些參數還需要結合實際噪音微調

References:

---

1. Cohen, I., & Berdugo, B. (2002). Noise estimation by minima controlled recursive averaging for robust speech enhancement. IEEE Signal Processing Letters, 9(1), 12–15 ↩︎

2. Rangachari, S., & Loizou, P. C. (2006). A noise-estimation algorithm for highly non-stationary environments. Speech Communication, 48(2), 220–231. doi:10.1016/j.specom.2005.08.005 ↩︎