Коновалов Никита ПРИб-221

1.

АЛГОРИТМЫ УЛУЧШЕНИЯ КАЧЕСТВА
АУДИОЗАПИСЕЙ
Коновалов Н.A. ПРИб-221
Научный руководитель: ст. преп. каф. ИСКМ A.C. Астахов

2.

Цель
Реализация и сравнительный анализ методов
спектрального вычитания и Винеровского
оценивания для устранения шумов в
аудиосигналах.
2

3.

Задачи
• Рассмотреть основные характеристики аудиосигналов
и особенности их цифрового представления.
• Описать и реализовать алгоритмы спектрального
вычитания и Винеровского оценивания для
подавления шума.
• Провести сравнительный анализ эффективности
данных методов на искусственном аудиосигнале при
помощи визуализации результатов.
3

4.

Представление аудиосигналов в цифровой
форме
4

5.

Анализ аудиосигналов с помощью
преобразований Фурье
Дискретное преобразование Фурье:
(1)
Кратковременное преобразование Фурье:
(2)
5

6.

Визуализация характеристик
аудиосигналов для детального анализа
Осциллограмма звукового сигнала:
6

7.

Визуализация характеристик
аудиосигналов для детального анализа
Спектр звукового сигнала:
7

8.

Визуализация характеристик
аудиосигналов для детального анализа
Спектрограмма:
8

9.

Классификация шумов и шумоподавление
Выделяют следующие категории шума:
Cтационарный (белый шум).
Импульсный (хлопок, чих).
Нестационарный (сигнализация, гудки телефона).
Шумоподавление – это процесс устранения шумов из сигнала с
целью повышения его качества.
В борьбе с помехами и шумами в нашем аудиосигнале используем
такие традиционные методы, как спектральное вычитание и
Винеровское оценивание.
9

10.

Спектральное вычитание
Главная концепция этого метода заключается в том, что из амплитуд
зашумленного сигнала вычитаются амплитуды шума:
(3
)
Оценка зашумленной части обычно происходит в промежутки
тишины на аудиосигнале. Спектр шума можно оценить путем
усреднения спектров таких участков.
10

11.

Винеровское оценивание
Основная задача фильтра заключается в том, чтобы подавить те
частоты, на которых присутствует значительное количество шума, и
при этом сохранить частоты, на которых доминирует полезный
сигнал.
(4
)
11

12.

Визуализация работы спектрального вычитания на
звуковой волне
Частота дискретизации во всем анализе работы методов шумоподавления
равна f = 1024Гц
12

13.

Визуализация работы Винеревского оценивания на
звуковой волне с частотой дискретизации
13

14.

Также проведено сравнение полученных спектров и визуализирован
сравнительный анализ спектров после работы методов спектрального
вычитания и Винеревского оценивания
14

15.

Наиболее наглядно результат работы методов можно увидеть на спектрограммах.
Они подтверждают то, что использование метода Винеревского оценивания даёт
лучший результат при устранении шумов и наименьшие потери частот и
амплитуды оригинального сигнала.
Зашумленные аудиосигнал:
15

16.

Спектрограммы после работы
методов шумоподавления
а) Метод спектрального
вычитания
б) Метод Винеровского
оценивания
16

17.

Зависимость величины среднеквадратичной ошибки MSE от
размера частоты дискретизации и выбора метода
шумоподавления
Предыдущие выводы подтверждаются и расчетами среднеквадратичной ошибки (MSE)
по формуле для методов на различных размерах частоты дискретизации
:
17

18.

Заключение
• Рассмотрены основные характеристики
аудиосигналов и особенности их цифрового
представления.
• Описаны и реализованы алгоритмы спектрального
вычитания и Винеровского оценивания для
подавления шума.
• Проведён сравнительный анализ эффективности
данных методов на искусственном аудиосигнале
при помощи визуализации результатов.
18