SpektralSubtraktion

Spektralsubtraktion ist eine Methode der Rauschunterdrückung in der digitalen Audiosignalverarbeitung. Ziel ist es, das Spektrum eines verrauschten Signals so zu reduzieren, dass der Sprachinhalt besser hörbar bleibt. Die Methode subtrahiert schätzend das Rauschspektrum vom gemessenen Spektrum und reconstructs das Signal wieder in den Zeitbereich.

Der typische Ablauf besteht aus mehreren Schritten. Zunächst wird das Eingabesign mithilfe einer kurzen-Time-Fourier-Transformation in frequenzbasierte Frames zerlegt. Aus möglichst ruhigen Abschnitten oder anhand statistischer Modelle wird das Rauschspektrum N(k) geschätzt. Dann wird das Magnitude-Spektrum des gemessenen Signals |X(k)| angepasst, meist durch Subtraktion eines überden Subtraktionsfaktors alpha multiplizierten Rauschspektrums: |Y(k)| = max(|X(k)| − alpha·|N(k)|, beta·|N(k)|). Der Parameter beta verhindert negative Werte und reduziert Artefakte. Schließlich wird das angepasste Spektrum mit der ursprünglichen Phaseninformation multipliziert und mittels inverser STFT und Überlappungs-Addierung wieder in den Zeitbereich überführt.

Typische Parameter sind der Subtraktionsfaktor alpha und der Spektralfloorsatz beta, sowie Fensterlänge und Überlappung. Varianten unterscheiden sich durch die Schätzung des Rauschspektrums (z. B. Minimum-Statistics-Ansatz) oder durch Anpassungen der Subtraktion je Subband. Musikalische Artefakte (musikalischer Noise) können auftreten, besonders bei falscher Rauschschätzung.

Anwendungen finden sich vor allem in der Sprachverbesserung, Mobiltelefonie, Hörgeräten und der robotergestützten Spracherkennung. Die Methode wurde in den späten 1970er Jahren von Berouti, Schwartz und Makhoul eingeführt und ist seitdem eine grundlegende Technik in der Audiobearbeitung geblieben.