Medidor de ruido: obtenga una comprensión más profunda de la supresión de ruido
Después de comprender las diferencias básicas entre la supresión de ruido (suprimir el ruido ambiental del altavoz para que los oyentes remotos escuchen con claridad) y la reducción activa de ruido (compensar el ruido ambiental propio del oyente), centrémonos en cómo lograr la supresión de ruido.
Un método consiste en utilizar varios micrófonos para suprimir datos. La recopilación de datos de múltiples ubicaciones dará como resultado que los dispositivos reciban señales similares (pero aún diferenciadas). La señal de voz recibida por el micrófono cerca de la población hablante es significativamente más fuerte que la del micrófono secundario. Dos micrófonos recibirán un sonido de fondo sin voz con una intensidad de señal similar. Resta la información de sonido recopilada por el micrófono de voz fuerte y el micrófono secundario, y la mayoría restante es la información de voz. Cuanto mayor sea la distancia entre los micrófonos, mayor será la diferencia de señal entre los micrófonos más cercanos y más lejanos, lo que facilita el uso de este sencillo algoritmo para suprimir el ruido. Sin embargo, cuando no está hablando o cuando espera que los datos de voz cambien con el tiempo (como cuando camina o corre y su teléfono sigue temblando), la efectividad de este método disminuirá. La supresión de ruido de múltiples micrófonos es ciertamente confiable, pero existen inconvenientes relacionados con el hardware y el procesamiento adicionales.
Entonces, ¿qué pasaría si solo hubiera un micrófono? Si no se utilizan fuentes de sonido adicionales para la verificación/comparación, una solución de micrófono único dependerá de comprender las características del ruido recibido y filtrarlas. Esto está relacionado con las definiciones mencionadas anteriormente de ruido en estado estacionario y no estacionario. El ruido en estado estacionario se puede filtrar eficazmente mediante algoritmos DSP, mientras que el ruido no estacionario plantea un desafío, las redes neuronales profundas (DNN) pueden ayudar a resolver el problema.
Este método requiere un conjunto de datos para entrenar la red. Este conjunto de datos consta de diferentes ruidos (estado estacionario y no estacionario) y voz clara, lo que crea un patrón de voz ruidosa sintetizada. Introduzca el conjunto de datos como entrada a DNN y envíelo con voz clara. Esto creará un modelo de red neuronal que eliminará el ruido y solo generará voz clara.
Incluso con DNN capacitados, todavía quedan algunos desafíos e indicadores a considerar. Si desea ejecutar en tiempo real con baja latencia, necesita una gran potencia de procesamiento o un DNN más pequeño. Cuantos más parámetros haya en DNN, más lenta será su velocidad de ejecución. La frecuencia de muestreo de audio tiene un efecto similar en la supresión del sonido. Una frecuencia de muestreo más alta significa que DNN necesita manejar más parámetros, pero a su vez, logrará una salida de mayor calidad. La comunicación de voz de banda estrecha es una opción ideal para la supresión de ruido en tiempo real.
Este tipo de procesamiento consiste en tareas intensivas y la computación en la nube es muy hábil para completar dichas tareas, pero este método aumenta significativamente la latencia. Teniendo en cuenta que los humanos pueden distinguir de manera confiable retrasos de aproximadamente 108 milisegundos o más, el retraso adicional causado por el procesamiento de la computación en la nube claramente no es un resultado ideal. Sin embargo, ejecutar DNN en el borde requiere algunos ajustes inteligentes. CEVA siempre está comprometida a mejorar nuestras capacidades de procesamiento de voz y habla. Esto incluye claridad de voz validada y algoritmos de reconocimiento de comandos; estos algoritmos proporcionan una comunicación clara y control de voz incluso en los bordes. Bienvenido a contactarnos y escuchar en persona.
