Störgeräuschreduktion – Spektrale Gewichtung
Spektrale Gewichtung bezieht sich in diesem Zusammenhang auf die Dämpfung einzelner Spektralbereiche des gestörten Eingangssignals mit dem Ziel, die Hintergrundstörung zu reduzieren. Neben einer möglichst geringen Verzerrung des Nutzsignals gilt es hierbei zusätzlich zu beachten, dass die verbleibende Störung im Ausgangssignal weiterhin natürlich klingt.
Üblicherweise wird die spektrale Gewichtung im Frequenzbereich vorgenommen. Im Folgenden wird für die Transformation die Diskrete Fourier-Transformation (DFT) mit einer gleichmäßigen Frequenzauflösung benutzt.
Es wird angenommen, dass sich das Sprachsignal s(k) und das Störsignal n(k) additiv überlagern. Damit ergibt sich für das (Mikrofon-) Eingangssignal
x(k) = s(k) + n(k).
Nach einer Segmentierung und Fensterung führt diese Gleichung im Frequenzbereich zu
X(f) = S(f) + N(f).
Die spektrale Gewichtung wird nun durch Multiplikation des Spektrums X(f) mit einer Gewichtungsfunktion G(f) durchgeführt (zur Berechnung der Gewichte G(f) siehe nächste Seite). Das Spektrum Y(f) des Ausgangssignals ergibt sich damit zu
Y(f) = X(f) * G(f).
Zur Berechnung der Gewichtungsfunktion G(f) wird üblicherweise das gestörte Eingangsspektrum X(f) sowie eine Schätzung Rnn(f) der Kurzzeit-Leistungsdichte des Störsignals benötigt, welche beispielsweise mit einer der folgenden Methoden geschätzt werden:
- Voice Activity Detector (VAD): Mithilfe des VAD werden im gestörten Eingangssignal Sprachpausen detektiert, in denen dann das Kurzzeit-Leistungsdichtespektrum über der Zeit gemittelt wird.
- Minimum Statistics [Martin-01]: Bei diesem Verfahren wird ohne explizite Sprachpausenerkennung das Kurzzeit-Leistungsdichtespektrum durch Messung und Mittelung der minimalen Spektralwerte in einem begrenzten Zeitfenster adaptiv geschätzt.
Das Ausgangssignal y(k) erhält man schließlich durch Rücktransformation von Y(f) in den Zeitbereich und Anwendung der overlap-add Methode. Das Prinzip der spektralen Gewichtung ist in folgendem Blockschaltbild noch einmal ersichtlich:
