音频开发 / 系统课时

去除直流偏置与低频干扰

去除直流偏置与低频干扰

录音链路里的直流偏置不会直接形成有用声音,却会占用动态范围;手持摩擦、桌面振动和风噪又常把大量能量堆在低频。本节用直流阻断器完成最小处理链路,并从均值、低频能量和语音主体频段三个角度确认处理没有伤到有效语音。

学习目标

  • 判断直流偏置与无用低频在波形和频谱中的典型表现
  • 实现一阶直流阻断器,并理解截止频率与语音保真之间的取舍
  • 用可重复的指标验证低频得到抑制,同时保留语音主体频段

先分清要去掉的两类成分

直流偏置表现为整段采样值长期偏离零点。例如麦克风前端产生了正向偏置,即使环境完全安静,波形中心也可能停在 0.1 而不是 0。它会减少正负方向可用的动态范围,也可能干扰后续压缩器、噪声门和电平检测。

另一类问题是真实存在但没有价值的超低频,例如手持设备晃动、桌面碰撞、空调振动和部分风噪。这些信号通常集中在几十赫兹附近。语音处理时可以适度削弱,但截止频率不能无限提高,否则男声基频和低沉元音也会开始变薄。

直流偏置与低频干扰处理前后对比

用直流阻断器完成最小处理

常用的一阶直流阻断器可以写成 y[n]=x[n]−x[n−1]+Ry[n−1]y[n] = x[n] - x[n-1] + R y[n-1]。当前采样减去上一采样形成高通特性,反馈系数 RR 决定极点位置,也就决定低频衰减速度。RR 越接近 1,截止频率越低;适当减小 RR,可以同时抑制更明显的低频扰动。

下面构造包含直流分量、30 Hz干扰以及200 Hz和800 Hz语音成分的测试信号。示例按约70 Hz的目标截止频率计算 RR,随后分别检查均值、80 Hz以下能量和150~1200 Hz语音主体能量。

python
import numpy as np

fs = 16000
t = np.arange(fs) / fs

# 合成直流偏置、低频扰动和两段语音代表频率。
x = (
    0.12
    + 0.08 * np.sin(2 * np.pi * 30 * t)
    + 0.35 * np.sin(2 * np.pi * 200 * t)
    + 0.12 * np.sin(2 * np.pi * 800 * t)
)

cutoff_hz = 70
r = np.exp(-2 * np.pi * cutoff_hz / fs)
y = np.zeros_like(x)
prev_x = 0.0
prev_y = 0.0

for i, sample in enumerate(x):
    current = sample - prev_x + r * prev_y
    y[i] = current
    prev_x = sample
    prev_y = current

def band_energy(signal, low_hz, high_hz):
    spectrum = np.fft.rfft(signal)
    freqs = np.fft.rfftfreq(len(signal), 1 / fs)
    mask = (freqs >= low_hz) & (freqs < high_hz)
    return float(np.sum(np.abs(spectrum[mask]) ** 2))

before_low = band_energy(x, 0, 80)
after_low = band_energy(y, 0, 80)
before_voice = band_energy(x, 150, 1200)
after_voice = band_energy(y, 150, 1200)

dc_ok = abs(np.mean(y)) < abs(np.mean(x)) * 0.1
low_ok = after_low < before_low * 0.35
voice_ok = after_voice > before_voice * 0.85

print('均值改善:', 'PASS' if dc_ok else 'FAIL')
print('80Hz以下能量下降:', 'PASS' if low_ok else 'FAIL')
print('语音主体保持:', 'PASS' if voice_ok else 'FAIL')

预期输出

text
均值改善: PASS
80Hz以下能量下降: PASS
语音主体保持: PASS

示例中的信号是确定性的,因此三项检查可以直接复现。真实录音没有固定数值,验证时应比较处理前后的相对变化,而不是照搬某个绝对能量阈值。

截止频率不要只看低频降了多少

如果目的只是消除传感器直流偏置,截止频率可以放得较低;如果还要压制手持和机械振动,可以提高到几十赫兹。通话语音通常允许比音乐更积极的低频裁剪,但仍应结合说话人和设备验证,不能看到低频越少就认为效果越好。

调整参数时至少同时观察三件事:整段均值是否接近零、无用低频是否下降、语音主体是否保持。尤其要试听男声和句首爆破音,因为过高的截止频率最容易让它们显得单薄。

放进实时链路时保留滤波器状态

一阶阻断器只有上一输入和上一输出两个状态,但这两个值必须跨音频块保存。若每处理10 ms或20 ms数据就把状态清零,相当于反复重新启动滤波器,会在块首产生瞬态,离线整段测试正常而实时链路却可能出现周期性异常。

工程验收时可以先录制处理前后两路音频,再比较波形中心、0~80 Hz频谱和150 Hz以上语音内容。确认静音时均值回到零附近、触碰设备产生的低频明显减弱,并且正常说话没有明显变薄后,这一级处理才算真正完成。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

去除直流偏置与低频干扰

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通