噪音消除指的是消除、削弱或抑制圖像中的隨機變化干擾。它是由測量誤差和成像過程中一些不確定的隨機因素形成的效應，統(tǒng)稱為噪聲。噪聲消除是圖像恢復的任務之一。系統(tǒng)噪聲一般被視為點擴散函數(shù)的函數(shù)，作為圖像退化模型的一個組成部分，如大氣擾動，在建模時考慮隨機噪聲，在圖像復原過程中消除。

噪聲消除

如果噪聲模型是預先已知的，則可以為該模型設置濾波器以有效地消除它，例如同步噪聲常用頻域濾波方法對圖像進行傅里葉變換，設計合適的濾波器提取主要噪聲成分逆變換后得到噪聲圖像，從原始圖像中減去加權噪聲圖像，即去噪圖像權函數(shù)的選擇原則是在一定大小的區(qū)域內使校正圖像的方差最小。圖像的隨機噪聲往往以高頻為特征，通過圖像平滑或低通濾波來消除，如平滑濾波、中值濾波、條件濾波和各種自適應濾波方法等。

在通信系統(tǒng)中，噪聲是指不攜帶有用信息的電信號，是除有用信號以外的所有信號的統(tǒng)稱。本節(jié)簡要討論信道中各種噪聲的分類和特性，定性說明它們對信號傳輸?shù)挠绊憽Ｔ胍粲性S多來源根據(jù)它們來源的不同，大致可以分為以下四類：

1)無線電噪聲。各種用途的無線電發(fā)射機。這種噪聲的頻率范圍很廣，從甚低頻到超高頻，都可能有無線電干擾，干擾強度有時很大。但是這種噪聲干擾有一個特點，就是干擾的頻率范圍是固定的，所以可以提前預防。特別是加強無線電頻率管理后，無論在頻率的穩(wěn)定性、精度和諧波輻射受到嚴格控制，因此信道中信號的影響降至最低。

2)工業(yè)噪聲。從各種電器設備，比如電線、電源開關、電車、電力鐵道、高頻電爐等。這種噪聲干擾的來源分布很廣，無論是城市還是農村，內陸還是邊疆，都有工業(yè)干擾。但這種干擾還有一個特點，就是干擾的頻譜集中在較低的頻率范圍，比如幾十MHz。因此，選擇工作在該頻帶之上的信道可以防止來自它的干擾。另外，在干擾源方面也可以減少干擾，比如消除波形失真、加強屏蔽和過濾措施、防止接觸不良等。

3)天電噪聲。來源于雷電、太陽黑子、磁暴和宇宙射線等。可以說整個宇宙都是這種噪音的來源，所以這種噪音干擾是客觀存在的。由于這種自然現(xiàn)象和發(fā)生的時間、季節(jié)、地區(qū)等等都是相關的，所以來自天空和電的干擾的影響也是不同的。這種干擾占用的頻譜也很廣，而且不像無線電干擾，頻率是固定的，很難防止這種干擾的影響。

4)內部噪聲。從頻道本身包含的各種電子設備、轉換器和傳輸線等。比如電阻和各種導體在分子熱運動的影響下會產(chǎn)生熱噪聲，晶體管或電子管等電子器件由于電子發(fā)射不均勻會產(chǎn)生器件噪聲。這種噪聲干擾是由自由電子的不規(guī)則運動形成的，所以它的波形也是不規(guī)則變化的，通常稱為漲落噪聲。這種噪聲干擾在數(shù)學上可以用隨機過程來描述，所以可以稱為隨機噪聲。

1.高斯白噪聲

高斯白噪聲是指概率密度函數(shù)的統(tǒng)計特性滿足高斯分布，功率譜密度函數(shù)為常數(shù)的噪聲。必須同時滿足這兩個條件的噪聲是高斯白噪聲，滿足第一個條件的噪聲是高斯噪聲，滿足第二個條件的噪聲是白噪聲。

在通信系統(tǒng)的理論分析中，特別是在分析、在計算系統(tǒng)的抗噪聲性能時，往往假設系統(tǒng)信道中的噪聲為高斯白噪聲。這是因為，第一，高斯白噪聲可以用具體的數(shù)學表達式表示，便于推導分析和運算；其次，高斯白噪聲確實反映了特定信道中的噪聲，真實地代表了信道噪聲的特性。

2.高斯有色噪聲

統(tǒng)計特性服從高斯分布，功率譜密度不滿足懷特特性，即功率譜不是常數(shù)。大多數(shù)音頻噪音，如風扇噪音、行駛的汽車和四處走動的人產(chǎn)生的噪音等。由于信道的影響，有時白噪聲通過信道后會變成色噪聲。

3.脈沖噪聲

本文應用了具有穩(wěn)定分布的脈沖噪聲模型。在通信、雷達、在水聲和聲納領域遇到的信號和噪聲中，有大量具有突出尖峰特征的信號和噪聲，它們顯著偏離傳統(tǒng)的高斯分布，通常應用更廣泛“穩(wěn)定分布模型被用來描述這種具有強脈沖的隨機信號。

4.工頻干擾

我國市電頻率為50Hz，交流電源產(chǎn)生的電磁干擾稱為工頻干擾。

在許多學術論文中，已經(jīng)討論或提出了各種噪聲消除算法及其改進一般來說，這些噪聲消除算法可以分為兩組：single-mic（single-麥克風）噪聲消除和多重-mic（并聯(lián)-麥克風）兩種噪聲消除算法。Single-Mic 噪聲消除和乘法-與mic 相比，MIC  具有適用于各種噪聲源混響抑制能力強等優(yōu)點。但是對于3G系統(tǒng)，手機的硬件結構決定了不能使用多個-麥克風噪聲消除算法。

近十年推薦單曲-Mic 噪聲消除算法主要基于譜減法（光譜 減法,簡稱圣人）算法，這是基于短時頻譜分析（短 時間 光譜分析,簡稱STSA）的MMSE-STSA 算法由于計算簡單，主觀評價后性能最好，所以應用最為廣泛。

為了增強語音信號，噪聲消除算法需要能夠：

a）增強語音的可懂度和自然屬性；

b）提高信噪比；

c）短的信號時延；

d）計算量小；

信號增強的質量度量是一個多重問題，可以用語音增強前后的可懂度和自然屬性來描述。當干凈的語音和噪聲混合成一個信道信號時，純信號和純噪聲占用相同的頻帶，可能有一定的相關性。這時，從嘈雜的語音中剔除噪聲，提取干凈的語音，必然會對語音和噪聲都產(chǎn)生影響。

很難從嘈雜的語音中區(qū)分噪音和語音一方面，干凈的語音可能作為噪聲被抑制，尤其是語音信號中的摩擦聲和脈沖聲的頻譜波形非常相似，很容易被抑制。另一方面，含噪語音中的噪聲會保留錄音環(huán)境中背景噪聲的所有特征，一些典型的噪聲抑制算法在抑制信道噪聲時也會產(chǎn)生一種新的合成噪聲，稱為“音樂 噪音”這種合成噪聲仍然會嚴重干擾聽者。

噪聲消除算法設計的另一個目標是限制信號延遲，因為大的信號延遲會干擾通話期間的情況。同樣，計算量較小的噪聲消除算法將保證信號處理的實時性。

已核實，MMSE-STSA的主觀評價是最可靠的，它具有使短時譜幅度估計的均方誤差最小化的特點，并且它不產(chǎn)生“音樂 噪音”在無噪聲的情況下，提供了良好的消聲效果。和改進的MMSE-LSA 算法比MMSESTSA具有更好的抑制性“音樂 噪音”，消除噪音的能力。下面分析MMSE-LSA 算法的噪聲消除原理。

MMSE-LSA主要由七個模塊組成：短時傅里葉分解、語音激活檢測（VAD）模塊、噪聲估計、后驗和先驗信噪比估計、光譜增益計算和短時傅里葉合成。短時傅立葉分解模塊對含噪語音進行離散傅立葉變換計算，得到其頻譜幅度和相位，其中頻譜幅度用頻譜增益加權以增強語音。加權后的幅度和相位相乘，并發(fā)送到短時傅立葉合成模塊進行離散傅立葉逆變換。在逆變換之后，執(zhí)行折疊相加操作以獲得時域中的增強語音信號。MMSE-LSA算法主要關注頻譜增益的計算，它決定了噪聲抑制的程度。為了計算頻譜增益，必須首先獲得后驗信噪比估計和先驗信噪比估計，而這些信噪比估計是基于噪聲功率譜的估計而獲得的，噪聲功率譜是通過計算非語音階段含噪語音的頻譜幅度而獲得的。非語音階段的檢測主要通過VAD模塊進行。