ノイズメーター - ノイズ対策の概要
ノイズ抑制 (離れたリスナーがはっきり聞こえるようにスピーカーの環境ノイズを抑制する) とアクティブ ノイズ リダクション (リスナー自身の環境ノイズを相殺する) の基本的な違いを理解した後、ノイズ抑制を実現する方法に焦点を当てましょう。
1 つの方法は、複数のマイクを使用してデータを抑制することです。 複数の場所からデータを収集すると、デバイスは同様の (ただし区別された) 信号を受信することになります。 発言者の近くのマイクで受信される音声信号は、二次マイクの音声信号よりも大幅に強力です。 2 つのマイクは、同様の信号強度で音声以外の背景音を受信します。 強音声マイクと副マイクで収集した音声情報を差し引くと、残りの大部分が音声情報となります。 マイク間の距離が大きくなるほど、近いマイクと遠いマイクの間の信号の差が大きくなるため、この単純なアルゴリズムを使用してノイズを抑制することが容易になります。 ただし、話していない場合、または時間の経過とともに音声データが変化すると予想される場合（歩いたり走ったりして携帯電話が震え続ける場合など）、この方法の有効性は低下します。 マルチマイクのノイズ抑制は確かに信頼性がありますが、追加のハードウェアと処理には欠点があります。
では、マイクが 1 つしかなかったらどうなるでしょうか? 追加の音源が検証/比較に使用されない場合、単一のマイク ソリューションは、受信したノイズの特性を理解し、それらをフィルタリングすることに依存します。 これは、前述の定常状態ノイズと非定常ノイズの定義に関連しています。 定常状態のノイズは DSP アルゴリズムを通じて効果的に除去できますが、非定常ノイズは問題を引き起こすため、ディープ ニューラル ネットワーク (DNN) が問題の解決に役立ちます。
この方法では、ネットワークをトレーニングするためのデータセットが必要です。 このデータセットは、さまざまな (定常状態および非定常) ノイズと明瞭な音声で構成され、合成されたノイズの多い音声パターンを作成します。 データセットを入力として DNN にフィードし、クリアな音声で出力します。 これにより、ノイズを除去し、明瞭な音声のみを出力するニューラル ネットワーク モデルが作成されます。
トレーニングされた DNN を使用したとしても、考慮すべき課題と指標がまだいくつかあります。 低遅延でリアルタイムで実行したい場合は、強力な処理能力か、より小規模な DNN が必要です。 DNN のパラメータが多いほど、実行速度は遅くなります。 オーディオのサンプリング レートも音の抑制に同様の影響を与えます。 サンプリング レートが高いということは、DNN がより多くのパラメーターを処理する必要があることを意味しますが、その結果、より高品質の出力が得られます。 狭帯域音声通信は、リアルタイムのノイズ抑制には理想的な選択肢です。
