如何去除音频信号噪声？阈值及范围设置咨询（附Accelerate实现问题）

一、先修复核心失真问题 #

你的代码里有几个关键逻辑错误，直接导致了输出失真：

1. 缺失分块重叠处理 #

你直接按固定块大小（256）逐块处理，块与块之间没有重叠，逆变换后拼接会产生块边界断层失真。正确做法是用50%重叠率（每次滑动128帧）的重叠相加法，平滑块间过渡。

2. 归一化系数错误 #

DCT-II和DCT-III的归一化不匹配，你用count/2作为除数是错的。正确的归一化应该用Float(count)，如果输出音量偏低，再微调系数（比如乘以0.5）。

3. 固定硬阈值的不合理性 #

0.0003是拍脑袋的固定值，不同音频的噪声能量差异极大，固定阈值要么降噪不彻底，要么误滤有效信号导致失真。

二、阈值的正确选择方案 #

阈值必须动态计算，推荐两种实用思路：

1. 基于噪声底的统计阈值 #

• 先提取音频开头的纯噪声样本（静音段），计算其DCT系数的均方根（RMS），阈值设为该值的1.5~2倍（平衡降噪效果和信号保留）。
• 代码示例：

// 提前提取静音段噪声样本
let noiseSample = input.extractBlock(startFrame: 0, length: 256)!
let noiseDCT = forward.transform(noiseSample)
let noiseRMS = vDSP.rootMeanSquare(noiseDCT)
let dynamicThreshold = noiseRMS * 1.8 // 可根据实际效果调整倍数

2. 块内自适应阈值 #

如果没有纯噪声样本，对每个处理块的DCT系数做统计：

• 取当前块DCT系数的中位数，阈值设为中位数的2~3倍；
• 更优方案是用维纳滤波替代硬阈值：对每个DCT系数，用系数 * (系数² / (系数² + 噪声方差))加权，避免硬置零带来的失真。

三、优化后的完整代码示例 #

private func extractSignal(input: AVAudioPCMBuffer, output: AVAudioPCMBuffer) {
    let blockSize = 256
    let overlap = blockSize / 2 // 50%重叠率
    let totalFrames = Int(input.frameLength)
    
    // 初始化DCT实例
    guard let forwardDCT = vDSP.DCT(count: blockSize, transformType: .II),
          let inverseDCT = vDSP.DCT(count: blockSize, transformType: .III) else {
        return
    }
    
    // 计算噪声底阈值（假设音频前256帧是静音噪声）
    let noiseSample = input.extractBlock(startFrame: 0, length: blockSize) ?? []
    let noiseDCT = forwardDCT.transform(noiseSample)
    let noiseRMS = vDSP.rootMeanSquare(noiseDCT)
    let threshold = noiseRMS * 1.8
    
    var outputFrame = 0
    // 按重叠步长遍历处理
    for startFrame in stride(from: 0, through: totalFrames - blockSize, by: overlap) {
        guard let signalBlock = input.extractBlock(startFrame: startFrame, length: blockSize) else {
            continue
        }
        
        // DCT正变换
        var dctCoefficients = forwardDCT.transform(signalBlock)
        // 自适应阈值滤波
        dctCoefficients = vDSP.threshold(dctCoefficients, to: threshold, with: .zeroFill)
        
        // DCT逆变换+归一化
        var inverseResult = inverseDCT.transform(dctCoefficients)
        inverseResult = vDSP.divide(inverseResult, Float(blockSize))
        
        // 重叠叠加到输出缓冲区
        output.overlayBlock(inverseResult, atFrame: outputFrame)
        outputFrame += overlap
    }
    
    output.frameLength = AVAudioFrameCount(outputFrame)
}

// 辅助扩展方法
extension AVAudioPCMBuffer {
    func extractBlock(startFrame: Int, length: Int) -> [Float]? {
        guard startFrame + length <= Int(frameLength), format.channelCount == 1 else {
            return nil
        }
        let ptr = floatChannelData![0] + startFrame
        return Array(UnsafeBufferPointer(start: ptr, count: length))
    }
    
    func overlayBlock(_ block: [Float], atFrame: Int) {
        guard atFrame + block.count <= Int(frameLength), format.channelCount == 1 else {
            return
        }
        let ptr = floatChannelData![0] + atFrame
        for i in 0..<block.count {
            ptr[i] += block[i]
        }
    }
}

四、额外优化建议 #

• 避免用硬阈值的zeroFill，改用维纳滤波能大幅降低失真；
• 对高频DCT系数可设置更严格的阈值（噪声通常集中在高频段）；
• 立体声需分别处理左右声道，或合并为单声道处理后再拆分。

内容的提问来源于stack exchange，提问作者Scott McKenzie