背景

unimrcp 本身没有提供降噪功能，降噪的功能一般由对接的asr 服务提供。但是如果asr 服务没有提供降噪功能， 那么就需要在unimrcp 中实现降噪功能。结合已有的技术积累，目前主要有以下两种方案：

1. 集成webrtc源码中的降噪模块。
2. 使用ffmpeg来实现降噪功能。

接下来，我将详细介绍这两种方案的实现效果，下面是原始8k的音频文件，没有降噪处理。

webrtc 降噪

webrtc 源码介绍

webrtc的源码地址为: https://webrtc.googlesource.com/src, 最新版本是c++的。

因为unimrcp是c的，所以要集成webrtc的c++代码，有一定的难度，想挑战的可以尝试一下。

webrtc的降噪模块在src/modules/audio_processing/ns/noise_suppressor.cc文件中。

我集成的是webrtc早期的版本，之前的版本是c写的，时间为2013。这是git log信息：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

commit 3bca0df1d47f4ab54cf05ce9d8e11c90f84974ba (HEAD -> master, origin/master, origin/HEAD)
Author: wu@webrtc.org <wu@webrtc.org@4adac7df-926f-26a2-2b94-8c16560cd09d>
Date:   Mon Dec 16 16:49:46 2013 +0000

    Update stable to r5300.

    git-svn-id: http://webrtc.googlecode.com/svn/stable/webrtc@5301 4adac7df-926f-26a2-2b94-8c16560cd09d

commit 658db909bd7d105d954f3021f825a55873a81499
Author: wu@webrtc.org <wu@webrtc.org@4adac7df-926f-26a2-2b94-8c16560cd09d>
Date:   Fri Dec 13 19:20:56 2013 +0000

    Update stable to r5287.

    git-svn-id: http://webrtc.googlecode.com/svn/stable/webrtc@5288 4adac7df-926f-26a2-2b94-8c16560cd09d

commit 15a8a6e7edb2c8df7f5b21e759ace213a4ab7292
Author: wu@webrtc.org <wu@webrtc.org@4adac7df-926f-26a2-2b94-8c16560cd09d>
Date:   Fri Dec 13 00:53:00 2013 +0000

    Update stable to r5277.

    git-svn-id: http://webrtc.googlecode.com/svn/stable/webrtc@5278 4adac7df-926f-26a2-2b94-8c16560cd09d

webrtc 降噪效果

webrtc的降噪等级有0-3共4个等级, 0最低，3最高, 以下是实际测试的波形图：

1. 降噪等级1：

2. 降噪等级2：

3. 降噪等级3：

可以看到，对于背景噪音较大时，webrtc的降噪效果不好。

ffmpeg 降噪模块

集成方式

实现方式比较多，可以使用c调用ffmpeg, 我用的是golang调用ffmpeg, 提供.so给unimrcp调用。

ffmpeg 降噪类型

ffmpeg 降噪算法有多种，包括：

官方文档：ffmpeg filter 文档

afftdn(自适应采样)

常用参数：

• nr: 降噪强度，默认: 12dB, 范围: 0.01-97dB
• nf: 噪声底电平，默认：-50dB, 范围: -80dB到-20dB

使用命令：

1

ffmpeg -f s16le -ar 8000 -ac 1  -i input.pcm  -af "afftdn=nr=12dB:nf=-50dB"  -ar 8000 -f wav output.wav

可以看到这个降噪幅度很小，最高也就97dB, 所以针对我们打电话示例中的音频，背景声有几千dB，降噪效果并不好。

arnndn(神经网络降噪)

其参数只有两个：

• m: 模型文件路径，必须。
• mix: 混合系数，默认: 1, 范围: -1到1。

模型文件有：bd.rnnn,cb.rnnn,lq.rnnn,mp.rnnn,sh.rnnn,std.rnnn,常用的是cb.rnnn。

通过对比，std.cnnn降噪最差，sh.rnnn效果更好，其他的都差不多，自己可以按照实际情况选择。

可以从: https://github.com/richardpl/arnndn-models.git 下载模型文件。

如果你的cb.cnnn在其他的目录下，就可以这样：

1

ffmpeg -f s16le -ar 8000 -ac 1  -i input.pcm  -af "arnndn=m=./models/cb.rnnn"  -ar 8000 -f wav output.wav

原始的音频波形为：

cb.rnnn 降噪效果

可以看到效果很好， 背景噪音被显著减少，语音也没有明显的失真。相比于原始音频，人声的分贝也降低了很多， 当用户声音较小时，可能会失真。

bd.rnnn 降噪效果

lq.rnnn 降噪效果

mp.rnnn 降噪效果

sh.rnnn 降噪效果

std.rnnn 降噪效果

anlmdn(非局部均值去噪)

常用参数：

• s: 降噪强度，默认: 0.00001, 范围: 0.00001-10000dB。
• p: 补丁长度（毫秒），用于匹配相似音频块的长度，默认：2ms, 范围: 1-100ms。
• r: 搜索窗口长度（毫秒），在多大的范围内寻找相似的声音块，默认: 6ms, 范围: 2-300ms。
• m: 平滑因子，默认: 11, 范围: 1-1000。

使用命令：

1

ffmpeg -f s16le -ar 8000 -ac 1  -i input.pcm  -af "anlmdn=s=1000"  -ar 8000 -f wav output.wav

我把s=1000dB, 这样可以达到和arnndn一样的效果，但是如果声音较小时，会失真，所以s设置多大很重要。 和highpass/lowpass降噪滤镜配合使用，效果会更好。

anlmdn 降噪效果

agate(自动门限)

它的工作原理像一个“自动开关”：

当声音低于某个设定的阈值（Threshold）时，它会降低音量甚至静音；

当声音高于阈值时，它会让声音通过。

常用参数：

• threshold: 门限阈值，低于此电平的声音将被压缩/静音。值越小越灵敏，默认: 0.125, 范围: 0-1。
• ratio: 压缩比，门关闭时音量降低的倍数, 默认: 2, 范围: 1-9000。
• attack: 攻击时间（毫秒），声音超过阈值后，门开启的速度，默认: 20ms, 范围: 0.01-9000ms。
• release: 释放时间（毫秒），声音低于阈值后，门关闭的速度，默认: 250ms, 范围: 0.01-9000ms。
• makeup: 增益补偿，由于门可能会降低整体能量，可以用它补回音量, 默认: 1, 范围: 1-64。
• knee: 拐点柔顺度。让开关切换更自然，不至于听起来很突兀， 默认: 2.828427125,, 范围: 1-8。

使用命令：

1

ffmpeg -f s16le -ar 8000 -ac 1  -i input.pcm  -af "agate"  -ar 8000 -f wav agate.wav

agate 降噪效果

看着效果也不错，但是和highpass/lowpass降噪滤镜配合使用，效果会更好。

highpass/lowpass(高通/低通滤波)

highpass: 让高于设定频率的声音通过，切断低于该频率的声音。 lowpass: 让低于设定频率的声音通过，切断高于该频率的声音。

常用参数：

• f: 截止频率，highpass默认: 3000Hz, lowpass默认: 500Hz。
• p: 滤波器阶数, 增加阶数会让边缘切得更“陡”，默认: 2。
• w: 带宽，控制过渡带的形状。

使用命令：

1

ffmpeg -f s16le -ar 8000 -ac 1  -i input.pcm  -af "highpass=f=1000,lowpass=f=3400"  -ar 8000 -f wav highpass.wav

highpass/lowpass 降噪效果

有一定的降噪能力，但是还达不到想要的结果。

组合以上降噪滤镜

1. highpass/lowpass+ anlmdn+ agate

使用命令：

1

ffmpeg -ar 8000 -ac 1 -f s16le -i input.pcm -af "highpass=f=300,lowpass=f=3700, anlmdn=s=0.001:p=0.002:r=0.006, agate=threshold=-30dB:ratio=10:attack=10:release=200"  -ar 8000 -f wav pass-1.wav

效果 ：

可以看到把背景音都去掉了，而且语音也没有明显的失真。

2. highpass/lowpass+ arnndn+ agate(补充增益)

使用命令：

1

ffmpeg -ar 8000 -ac 1 -f s16le -i input.pcm -af "highpass=f=300, lowpass=f=3400, anlmdn=s=0.002, agate=threshold=-32dB:ratio=15:makeup=1.5"  -ar 8000 -f wav pass-2.wav

效果 ：

可以看到加了增益，人声分贝也提高了。

总结

1. 实际的降噪能力，还是ffmpeg更好。
2. ffmpeg降噪算法首选arnndn, 可能CPU占用较高。
3. ffmpeg次一级的算法可以使用highpass/lowpass+ anlmdn+ agate组合方式，效果也不错。需要根据实际情况调整参数。