Rauschentfernung

Rauschentfernung, auch als Noise Removal bekannt, bezeichnet die Reduktion oder Entfernung unerwünschter Rauschs Signale, typischerweise in der Audiowissenschaft, kann sich aber auch auf Denoising in Bildern und Video beziehen. Ziel ist es, das eigentliche Signal wiederherzustellen bzw. die Hörbarkeit zu verbessern, ohne unnatürliche Artefakte zu erzeugen. Rauschen kann stationär sein, wie Umgebungsbrummen, oder nicht stationär, wie Hintergrundgeräusche oder Störsignale.

Im Bereich Audio/Sprache umfassen gängige Ansätze die spektrale Subtraktion, bei der ein Schätzspektrum des Rauschens während stiller Phasen abgezogen wird; das Wiener Filtering, das unter Nutzung von Signal- und Rauschleistungsdichten einen optimalen linearen Filter konzipiert; sowie MMSE-basierte Schätzverfahren (zum Beispiel log-spectral amplitude Estimator). In jüngerer Zeit kommen auch Deep-Learning-Modelle zum Einsatz, die verrauschte Eingänge direkt in saubere Ausgaben transformieren. Bei Mehrmikrofon-Systemen werden räumliche Filterung bzw. Beamforming genutzt, um die gewünschte Quelle zu isolieren.

Für Bilder und Video verwenden Denoisings wie Non-Local Means, BM3D, Wavelet-Thresholding und konvolutionale Netzwerke, die Rauschen reduzieren und Kanten sowie Details erhalten.

Anwendungen finden sich in der Musikproduktion, Broadcast, Telekommunikation, Videokonferenzen und Hörhilfen. Herausforderungen sind das Gleichgewicht zwischen Rauschunterdrückung und Verzerrungen, Vermeidung von artefakten wie „musikalischem Rauschen“ und die Aufrechterhaltung der Natürlichkeit des Signals.

Bewertung erfolgt objektiv mittels Metriken wie SNR, PESQ und STOI (bei Sprache) sowie subjektiven Hörtests; zusätzlich können PSNR/SSIM bei Bild- und Videodenisying herangezogen werden. Die Qualität hängt wesentlich von der Art des Rauschens und dem verfügbaren Referenzsignal ab.