Rauschunterdrückung

Rauschunterdrückung bezeichnet Maßnahmen zur Verringerung unerwünschter Hintergrundsignale in Audiosignalen, Bildern, Videos und anderen Messdaten. Ziel ist es, die wesentlichen Informationen besser hörbar oder sichtbar zu machen, ohne dabei wesentliche Strukturen zu zerstören. Rauschunterdrückung findet Anwendung in der Sprachkommunikation, in der Musikproduktion, in der Bild- und Videoverarbeitung sowie in medizinischen und technischen Messverfahren.

Technisch basiert Rauschunterdrückung auf verschiedenen Verfahren der digitalen Signalverarbeitung. Häufige Ansätze sind spektrale Subtraktion, adaptiv gefilterte Systeme (einschließlich Wiener- und Kalman-Filter) und räumliche Beamforming-Methoden über Mikrofonarrays. In der Bild- und Videodomäne werden Rauschreduzierungstechniken wie Denoising-Algorithmen (z. B. Non-Local Means, BM3D) eingesetzt. Moderne Systeme nutzen oft maschinelles Lernen und Deep-Learning-Modelle zur Musternkennung und Rauschunterdrückung, insbesondere bei Sprach- oder Videorrauschen.

Wichtige Anwendungsaspekte sind die Verständlichkeit der Sprache, die natürliche Klangtreue und der Schutz vor Artefakten wie muskalischem Rauschen oder Verzerzungen von Transienten. Zu starke Unterdrückung kann zu Verlusten an Details und zu künstlichen Klangeffekten führen; bei Bild- und Videoaufnahmen kann Überglättung zu Unschärfe führen.

Bewertung erfolgt oft durch subjektive Hör- oder Sichtbeurteilungen sowie objektive Metriken wie Signal-Rausch-Verhältnis, PESQ (für Sprache) oder SSIM/PSNR (für Bilder und Videos). In der Praxis reichen die Ansätze von Echtzeit-Algorithmen in Smartphones und Headsets bis hin zu komplexeren Prozessoren in Aufnahme- oder Postproduktions-Software.