音频去噪：使用Python和FFT增强音质

根据定义,声音去噪是从音频信号中去除不需要的噪音或干扰,以提高其质量和清晰度的过程。这涉及识别和隔离噪音成分(通常以不规则或高频元素为特征),并将其过滤掉,同时保持原始声音的完整性。

声音去噪目标是改善聆听体验以及音频分析和处理的准确性。过滤掉噪音对于高保真音频来说非常重要,不仅是为了聆听,也是为了创建某些机器学习任务的数据集。

理想情况下,去噪应该是数据清理步骤中的一部分。

理解FFT

我们从实际的例子开始，在派对上房间里充满了各种声音:人们在说话,音乐在播放,玻璃杯在碰撞。在所有的噪音中,很难专注于我们对话说的声音。

我们可以把FFT(快速傅里叶变换)想想成一个一副神奇的眼镜，它可以让你能够看到房间里的每种声音都有不同的颜色。戴上这副眼镜,你就可以在所有其他声音中轻松识别出你朋友的声音(一种特定的颜色)。这样就可以过滤掉其他分散注意力的声音(颜色),只专注于你朋友的声音。

**FFT(快速傅里叶变换)**是一种强大的工具,它将信号从原始的时域转换到频域。通过分析信号的频率成分,我们可以识别并去除不需要的噪音,从而提高原始声音的质量。

加载声音信号

在这个例子中,我们不会从本地或在线加载音频信号,而是使用NumPy创建我们自己的简单正弦信号。

 importnumpyasnp  importmatplotlib.pyplotaspltdefgenerate_signal(length, freq):  """生成一个正弦信号。参数:  length: 信号的长度。 freq: 信号的频率。返回:  表示信号的numpy数组。 """  t=np.linspace(0, 1, length)  signal=np.sin(2*np.pi*freq*t)  returnsignal

在创建声音信号后,让我们使用NumPy中的随机函数向信号添加噪音。

 defadd_noise(signal, noise_level):  """向信号添加噪音。参数:  signal: 原始信号。 noise_level: 要添加的噪音水平。返回:  表示带噪信号的numpy数组。 """  noise=np.random.normal(0, noise_level, len(signal))  noisy_signal=signal+noise  returnnoisy_signal

对信号应用FFT

 defdenoise_fft(noisy_signal, threshold):  """使用FFT对信号进行去噪。参数:  noisy_signal: 带噪信号。 threshold: 用于过滤频率成分的阈值。返回:  表示去噪后信号的numpy数组。 """  fft_signal=np.fft.fft(noisy_signal)  fft_signal[np.abs(fft_signal) <threshold] =0  denoised_signal=np.real(np.fft.ifft(fft_signal))  returndenoised_signal

在频域中识别噪音

 fft_signal[np.abs(fft_signal) <threshold] =0  denoised_signal=np.real(np.fft.ifft(fft_signal))

在上面的代码中,这一步帮助我们在频域中识别噪音。

过滤噪音并转换回时域

通过设置阈值,我们过滤掉噪音。将幅度低于某个阈值的频率成分设置为零。这从信号中去除了低幅度(噪音)频率。

比较原始信号和去噪后的信号

 if__name__=="__main__":  # 生成信号  signal_length=1024  signal_freq=50  signal=generate_signal(signal_length, signal_freq)# 添加噪音  noise_level=0.5  noisy_signal=add_noise(signal, noise_level)# 使用FFT去噪  threshold=100  denoised_signal=denoise_fft(noisy_signal, threshold)# 绘制结果  plt.figure(figsize=(12, 6))  plt.subplot(311)  plt.plot(signal, label='Original Signal')  plt.legend()  plt.subplot(312)  plt.plot(noisy_signal, label='Noisy Signal')  plt.legend()  plt.subplot(313)  plt.plot(denoised_signal, label='Denoised Signal')  plt.legend()  plt.tight_layout()  plt.show()

使用Matplotlib绘制一些带噪信号和去噪信号之间的比较图。