【導讀】語音質量對于移動電話用戶來說很重要，影響語音質量的一個主要因素是環境噪聲，因此任何抑制噪聲的方法對于手機制造商來說都是一個實現差異化的機會。
移動運營商明白語音質量對于用戶來說很重要，影響語音質量的一個主要因素是環境噪聲，因此任何抑制噪聲的方法對于手機制造商來說都是一個實現差異化的機會。不過，噪聲抑制技術還只專注于降低緩慢變化的穩態噪聲源，而很多非穩態噪聲源為快速變化的，因此不能被抑制。
抑制非穩態噪聲對用戶和運營商都有很大的好處：用戶可以在任何時候和任何地點自由清楚地通話，可以在嘈雜的環境中低聲說話以保護其隱私，不會被要求離開重要的電話會議。運營商會看到丟失用戶的數量降低，增加通話時間，而且更有效地使用網絡帶寬，并大大地節省投資和運營成本。
圖1. 在采用瞬時非穩態噪聲抑制技術前后的時域波形
1．理解穩態和非穩態噪聲之間的差異
由于其相對穩定的特性—例如嘈雜的鼓風機環境中，穩態噪聲可以很容易地被識別，能用傳統的新好處理方法輕易地去除。相反，非穩態噪聲具有快速或隨即的變化，例如一個人的說話聲、背景音樂或按鍵音。當非穩態噪聲被作為噪聲識別的時候，這些噪聲實際上已經通過，因此需要更成熟的噪聲抑制方法。
2．使用兩個麥克風來改善對聽覺現場的理解
下一代噪聲抑制技術，例如聽覺場分析(ASA)、波束成形(BF)和盲源隔離(BSS)使用幾個麥克風來更準確地識別、定位以及噪聲源分組，準確性比單個麥克風更高。當今的手機制造商已經意識到這種趨勢，在手機的架構中引入了第二個麥克風。
3． 利用分組原理來分隔聲音點
分組方法簡化了噪聲抑制，同時還能確定非穩態噪聲源。例如聽覺場分析(ASA)使用人的聽覺通道作為一個模型，按照人實際對某個聲音的聽覺來處理噪聲。通過多聲學能量進行分組來重新產生原來的聲音，ASA實現了來自多個源的準確分組，同時避免任何聽覺上應該分開的聲音被混合在一起。分組原理可以被大致描述為連續的(在一段時間內發生的)和同時的(在一段頻率內)。
4．使用多個線索來分組，否則難以正確地對聲音進行分組
每一個分組線索都有局限性。使用多個線索能對難以分析的聲音進行正確的分組。某些重要的線索包括：
· 聲音的特性：一個音源產生的諧波可以形成清楚的頻率圖，這個頻率圖可以用來對兩個聲音進行區分。聲音特性是區分男人和女人的一個主要線索。
· 空間信息：由距離和方向判斷出來的距離可以用來對聲音分組，因而可以對感興趣的聲音進行分辨。
· 發出時間：如果兩個聲音能量和他們對應的諧波在時間上一致，他們很可能來自同一個音源。
5．減少收斂時間以消除更多的瞬間噪聲
傳統的噪聲抑制方法必須在他們消除噪聲之前收斂，因而他們在抑制非穩態噪聲源上效率較低。通過利用快速響應的線索來對聲音進行描述，像打響指這樣的瞬間時間都可以被識別并消除。
6．采用對數與線性頻率比例(FCT vs. FFT)
熟悉的快速傅立葉變換(FFT)對頻率分量按線性比例進行分解，這樣限制了在低頻處的頻譜分辨率，而且使用很定的幀大小和獨立于頻率的帶寬。相反的，快速耳蝸變換(FCT)基于人耳蝸的原理，按對數頻率比例變化。這樣一來，它不會限制頻譜分辨率。通過不斷的處理，而不是按幀進行處理，FCT還降低了處理延遲，因此它適合于識別非穩態的噪聲源。此外，FCT工作的帶寬是與頻率相關的，在人耳聽覺范圍內能更準確地匹配時域-頻域折衷。
7．使用全向麥克風來降低成本
像波束成形這類方法需要一種專門的心型曲線式(cardioid，單向)麥克風。這種麥克風的成本比全向麥克風成本更高，具有更低的噪聲容限，必須進行單獨的校準和匹配，誤差要低于1dB，帶來對間隔的限制，由于對風聲和呼吸聲很敏感，因此會增加+12dB的噪聲。波束成形技術也有其局限性，對所關注的波束的任何錯誤選擇都會被錯誤地傳遞。對一個系統所需要的麥克風的數量的管理也很重要。例如，盲源分離(Blind Source Separation)使用一種簡單的線性非混合方法，在麥克風的數量與音源的數量一樣多的條件下，這種方法效果非常理想。
8．將回聲作為獨立的音源來處理
一直以來，人們利用回波消除方法來消除回聲。這種方法的運算量非常大，因為必須計算回波反射，在噪聲源變化很快的時候，其性能很差。分組線索使我們能將會波作為另外一種噪聲源。由于回波既不需要進行計算，而且不會改變路徑，因此可以進行瞬間抑制，能實現高達46dB的回波噪聲抑制性能。
9．采用新的測試標準
移動通信行業不斷地推進測試標準來表現出通過在噪聲抑制技術上的創新實現更高的語音質量等級。為了保證他們的產品獲得最佳的質量，該行業最近修正了ITU P.835規范來提供一致的測試方法，對采用了噪聲抑制技術的語音質量進行測試并產生測試報告。
