凃磊博士科普：耳边的“风语”：解析风噪声抑制的黑科技！
发布时间：2024-03-30 来源： 被浏览次数：1079
风噪声是助听器佩戴者经常遇到的问题，也是影响助听后言语清晰度和聆听舒适度的一个重要因素。在有风的场景下（如大风天气中行走、电动车或自行车骑行等），助听器麦克风进声孔周围的空气会快速流动形成气流湍流，这些湍流造成的气压变化会被麦克风捕捉为声音，形成我们所说的风噪声。
为了降低风噪声，各制造商首先都会在助听器的机械设计上做优化，不断改进麦克风的位置及在麦克风上安装盖板，来适应风的入射角度变化并减少快速波动。而一旦助听器的外壳设计已确定，还能通过什么信号处理的方法来进一步降低甚至消除风噪声呢？这里我们就来给大家介绍一下：
1.降低低频增益
有时候，助听器佩戴者听到风噪声太难受是因为助听器调试不当、低频过度补偿而造成的。汉语在低频频段的能量成分是高于其他语种的，因此对于以汉语为母语的听损者来说，适当降低低频增益、提高压缩比不会影响整体的言语清晰度，反而还在抑制风噪声上有不错的效果。
2.单麦克风风噪声抑制策略
在单麦克风配置下，可通过分析信号的短时能量和零交叉率，在一定程度上识别出风噪声的特征，但是准确率一般。也可以通过主流抑制宽带噪音的方法连同风噪声一起进行抑制，根据输入信号的特性设计自适应滤波器算法（如LMS算法）来动态调整增益及衰减，从而最小化风噪声的影响[2]。
3. 双麦克风风噪声抑制策略
双麦克风配置下，利用两个麦克风接收到的声音信号可以更精确地探测风噪声。双麦克风输入信号的自相关性，可以衡量所分析信号与其自身在不同时间延迟下的相似性。
言语信号丰富的频率成分中都有着大量前后相关的信息，所以它的双麦自相关性非常高；而风噪声本质上就是部分频段的随机信号，它的双麦自相关性则非常低，利用这一显著差异就可以智能探测到哪部分信号是风噪声并进行精准抑制。
4. 双耳数据交互
在风力不对称的情况下，通常一侧的麦克风会捕获到比另一侧更多的风噪声。
那么，通过双耳助听器间的数据交互就可以对接收到的信号进行预处理，有效地进行增强、归一化及滤波处理，来提高后续风噪声探测的准确性和工作效率。
5. 人工智能技术
近年来，机器学习和深度学习技术在噪声抑制领域取得了显著进展，通过训练模型识别和分离风噪声与有用信号，这些方法能够提供更为精确的噪声抑制。
尤其是各种神经网络在单麦克风噪声抑制中显示了优秀的性能。但是，目前该方法对处理器的算力要求较高，并且在延时上还较难达到助听器应用场景的需求，暂时还未得到广泛运用。
这些技术和原理的组合应用使得现代助听器能够在风噪声存在的环境中给人提供更清晰的听觉体验。然而，完全消除风噪声仍然是一个挑战，我们的研究人员和开发人员会持续探索更好的解决方案。
风噪声的强度在很大程度上取决于风速、入射角度和助听器的机械设计。如下图所示[1]，风噪声主要集中在0~1000Hz的低频频段，而1500Hz以上的中高频频段则基本不受影响，所以后续我们在处理风噪声的时候都是针对低频频段的。另外，我们也能从图中看出，风速越快，风噪声也越大。
△不同风速下的风噪声频谱图
为了降低风噪声，各制造商首先都会在助听器的机械设计上做优化，不断改进麦克风的位置及在麦克风上安装盖板，来适应风的入射角度变化并减少快速波动。而一旦助听器的外壳设计已确定，还能通过什么信号处理的方法来进一步降低甚至消除风噪声呢？这里我们就来给大家介绍一下：
1.降低低频增益
有时候，助听器佩戴者听到风噪声太难受是因为助听器调试不当、低频过度补偿而造成的。汉语在低频频段的能量成分是高于其他语种的，因此对于以汉语为母语的听损者来说，适当降低低频增益、提高压缩比不会影响整体的言语清晰度，反而还在抑制风噪声上有不错的效果。
2.单麦克风风噪声抑制策略
在单麦克风配置下，可通过分析信号的短时能量和零交叉率，在一定程度上识别出风噪声的特征，但是准确率一般。也可以通过主流抑制宽带噪音的方法连同风噪声一起进行抑制，根据输入信号的特性设计自适应滤波器算法（如LMS算法）来动态调整增益及衰减，从而最小化风噪声的影响[2]。
3. 双麦克风风噪声抑制策略
双麦克风配置下，利用两个麦克风接收到的声音信号可以更精确地探测风噪声。双麦克风输入信号的自相关性，可以衡量所分析信号与其自身在不同时间延迟下的相似性。
言语信号丰富的频率成分中都有着大量前后相关的信息，所以它的双麦自相关性非常高；而风噪声本质上就是部分频段的随机信号，它的双麦自相关性则非常低，利用这一显著差异就可以智能探测到哪部分信号是风噪声并进行精准抑制。
4. 双耳数据交互
在风力不对称的情况下，通常一侧的麦克风会捕获到比另一侧更多的风噪声。
那么，通过双耳助听器间的数据交互就可以对接收到的信号进行预处理，有效地进行增强、归一化及滤波处理，来提高后续风噪声探测的准确性和工作效率。
5. 人工智能技术
近年来，机器学习和深度学习技术在噪声抑制领域取得了显著进展，通过训练模型识别和分离风噪声与有用信号，这些方法能够提供更为精确的噪声抑制。
尤其是各种神经网络在单麦克风噪声抑制中显示了优秀的性能。但是，目前该方法对处理器的算力要求较高，并且在延时上还较难达到助听器应用场景的需求，暂时还未得到广泛运用。
这些技术和原理的组合应用使得现代助听器能够在风噪声存在的环境中给人提供更清晰的听觉体验。然而，完全消除风噪声仍然是一个挑战，我们的研究人员和开发人员会持续探索更好的解决方案。
欢迎拨打咨询热线
0571-87812103
0571-87812103