python 声音降噪

Python 中的声音降噪通常通过信号处理库如 NumPy 和 SciPy 来实现。一种常见的方法是应用数字信号处理技术，比如傅里叶变换、滤波和逆变换。以下是一些基本步骤：

1. **导入必要的库**：首先，你需要导入 `numpy` 和 `scipy.signal` 或者 `librosa` 等用于音频处理的库。

import numpy as np
from scipy.signal import wiener, medfilt, butter, lfilter

2. **加载声音数据**：可以使用 `soundfile` 库读取 `.wav` 文件或其他音频格式。

import soundfile as sf

audio_data, sample_rate = sf.read('input_audio.wav')

3. **预处理**：对音频数据进行归一化，以便后续操作能有效进行。

audio_data /= max(abs(audio_data))

4. **噪声估计**：可以利用噪声子带的概念，选择一段静默片段作为噪声模板。然后计算整个音频中的噪声平均值。

5. **降噪算法**：
- **Wiener滤波**：适用于去除随机加性高斯噪声，它通过最小均方误差来预测干净信号。

   cleaned_audio = wiener(audio_data)

- **中值滤波**：适用于去除椒盐噪声，对每个样本窗口求中值。

   cleaned_audio = medfilt(audio_data)

- **Butterworth滤波**：设计一个低通滤波器来移除高频噪声。

   b, a = butter(4, (cutoff / sample_rate), 'low') # 设定截止频率
   cleaned_audio = lfilter(b, a, audio_data)

6. **保存处理后的音频**：

   sf.write('output_cleaned_audio.wav', cleaned_audio, sample_rate)

请注意，实际效果会因噪声类型、程度以及算法的选择而异，可能需要尝试不同的方法并调整参数来获得最佳结果。