Hintergrundgeräuschunterdrückung

Hintergrundgeräuschunterdrückung bezeichnet Verfahren zur Reduktion unerwünschter Umgebungs- oder Hintergrundgeräusche in Audiosignalen. Ziel ist es, die Verständlichkeit und die Hörqualität zu erhöhen, insbesondere bei Telefonie, Videokonferenzen, Sprachaufnahmen und in Hörgeräten. Die Techniken arbeiten in der Regel, indem sie das Rauschen vom gewünschten Sprachsignal trennen oder dessen Einfluss verringern, ohne die Sprachinhalte zu verzerren.

Historisch überwiegen mathematische Filtermethoden: zeitbereichsbasierte Algorithmen wie adaptive Filter (LMS/NLMS) und frequenzbereichsbasierte Ansätze wie Spektralsubtraktion oder Wiener Filter. Bei Mikrofonarrays kommen Beamforming- oder Richtungsfilter zum Einsatz, um aus mehreren Signalen das Rauschspektrum zu reduzieren. Weitere klassische Mittel sind Noise Gates und Modelle, die auf ruhigen Teilen von Sätzen basieren, um Rauschen zu dämpfen. In den letzten Jahren gewinnen datengetriebene, lernbasierte Ansätze an Bedeutung: neuronale Netze, die aus großen Sprachkorpora lernen, das verrauschte Signal in eine sauberere Version zu transformieren. Diese Modelle arbeiten oft in Echtzeit mit geringer Latenz, berücksichtigen nicht-stationäres Rauschen und können komplexe Muster wie Wind- oder Haushaltsgeräusche erkennen.

Die Wirksamkeit wird durch Kriterien wie PESQ, STOI und allgemeine Nutzerzufriedenheit bewertet. Typische Herausforderungen sind nicht-stationäres Rauschen, Artefakte bei zu starkem Absenken des Signals (Musical Noise), Latenzanforderungen und Rechenaufwand. Anwendungen finden sich in Smartphones, Konferenzsystemen, Broadcasting, Kopfhörern und Hörgeräten; hier beeinflusst effiziente Rauschunterdrückung die Nutzererfahrung erheblich.