Brusreduceringstekniker

Brusreduceringstekniker omfattar metoder som minskar oönskat brus i signaler för att förbättra tydlighet, igenkänning och mätprecision. De används inom ljud och tal, bild och video, telekommunikation samt sensorik och annan dataanalys där information ska extraheras ur brusiga data.

Inom ljud- och talområdet syftar de till att förbättra hörbarhet och röstigenkänning utan att förvränga det som är relevant. Vanliga metoder inkluderar spektral subtraktion, Wiener-filter och adaptiva filter samt Kalman-filter. I hårdvara används brusreducerande förstärkare och lågpassfilter i mottagaren.

I bild och video används bilddenoiseringsmetoder som waveletbaserad denoisering, BM3D och non-local means, samt anisotrop diffusion. Dessa metoder strävar efter att ta bort brus samtidigt som kanter och detaljer bevaras, för att behålla bildkvalitet och noggrannhet i efterbehandling eller igenkänning.

Användningen inom dataförbindelse och sensoriska tillämpningar kombinerar filtrering, brusformning och ibland dithering med adaptiva algoritmer för att förbättra signal-till-brusförhållanden och analyskapacitet utan att förlora kritisk information.

Vanliga begränsningar är att överdriven denoisering leder till förlust av detaljer eller införande av artefakter såsom musikaliskt brus i ljud eller texturartificier i bilder. Val av teknik beror på domänspecifika krav, realtidsprestanda och kvaliteten på originaldata.

Historiskt utvecklades brusreduceringstekniker från analoga metoder som Dolby NR till digitala algoritmer under 1980- och 1990-talen. Idag spelar maskininlärning och djupa neurala nätverk en allt viktigare roll i många tillämpningar, särskilt inom mobil ljud, bildåtergivning och medicinsk avbildning.