估计音频文件信噪比的方法？

Question

如何从包含语音的单个音频文件中估计信噪比？我知道两种方法：

http://labrosa.ee.columbia.edu/~dpwe/tmp/nist/doc/stnr.txt

• 10*log10( (S)/N描述的

1. 测功直方图谱差(简称NIST快速法)，其中

- S = sum{x[i]^2 \* e[i]}
- N = sum{x[i]^2 \* (1-e[i])}
- e[i] some sort of voice activity detection (speech/non-speech indicator)

​

是否有任何更好的方法不需要立体声数据(或清洁和噪音版本的数据)？我还想避免NIST文档中描述的“第二种方法”(见1)。这就对这些分布做出了强有力的假设。

Answer 1

人类的声音频率从300赫兹到3 kHz。这是(旧的)电话系统正在使用的。人类的声音从来没有一次使用所有这些频率，这就是为什么我们可以做一个频率分析来找出噪音地板-没有任何参考或声音活动检测ei。

1. 计算频率分辨率为10-20 Hz.当样本数为48 kHz时，您将使用快速傅立叶变换长度的采样/分辨率= 4800个样本，如果得到的四舍五入到最接近的功率为2，即4096
2. 确定了保存从300 - 3000 Hz的结果所需的回收箱。bin索引k保存频率k*采样/FFT_length的结果。对于48 kHz输入和快速傅立叶变换长度4096，这是k(300 Hz) = 300 * 4096 / 48000 ~= 25和k(3 000 Hz) =3 000* 4096 / 48000 ~= 250。
3. 计算每个所需的二进制的能量: Ek = FFTk.re ^2 + FFTk.im ^2。它取决于你的FFT算法“其中”写实部和虚部。
4. N= min{ Ek=25..250 }* number_of_bins (=250-25+1)
5. S = sum{ Ek=25..250 }H 210
6. As，code>
7. 信噪比=(S)/N。电平为
8. ，信噪比随时间而变化，带着一些新的样本回到步骤1--可能有一些重叠的