ruisonderdrukkingstechnieken

Ruisonderdrukkingstechnieken zijn algoritmen en systemen die ruis uit audiosignalen verwijderen of verminderen, met als doel de verstaanbaarheid en de geluidskwaliteit van spraak te verbeteren. Ze worden toegepast in telecommunicatie, conferentiesystemen, hoortoestellen, opnames en spraakgestuurde assistenten.

De technieken kunnen worden onderverdeeld op basis van domein en benadering. In het tijd- en frequentiedomein worden vaak stappen in twee fasen uitgevoerd: ruisdetectie en ruisverwijdering. Klassieke methoden omvatten onder meer ruisspectraal-subtractie, waarbij een ruisprofiel wordt geschat tijdens stiltes en vervolgens van het totale spectrum wordt afgetrokken. Wiener- en MMSE-achtige schatters vormen probabilistische benaderingen die proberen de optimale ruisverwijdering in de zin van minimale gemiddelde fout te kiezen in het spectrale domein. Daarnaast bestaan er modelgebaseerde technieken zoals Kalman-filtering en subruimte- of beamformer-benaderingen die met multi-microfoonopstellingen werken om ruis te verminderen op basis van ruimtelijke informatie.

Verder is er een op data gebaseerd paradigma waarin diepe neurale netwerken spraak-ruismapping leren of maskers in het spectrale domein voorspellen waarmee ruis effectief kan worden onderdrukt. Deze benaderingen zijn in staat om complexe en niet-stationaire ruis beter aan te pakken, maar vragen vaak rekenkracht en trainingdata. In multi-mekanautomaten kunnen beamforming en adaptieve filtratie gecombineerde strategieën leveren.

Evaluatie gebeurt met onderwerpen als perceptuele evaluaties (PESQ), intelligibiliteit (STOI) en signaal-ruisverhouding (SDR/ SI-SDR). Veelvoorkomende toepassingen zijn telefonie, videoconferenties, hoortoestellen en spraakgestuurde systemen, waar ruisonderdrukking de gebruikerservaring aanzienlijk kan verbeteren. Uitdagingen omvatten artefacten zoals muzikale ruis, verlies aan natuurlijkheid en latency.