为了处理音频文件，我成功地实现了一个 STFT（+inverseSTFT，具有完美的原始信号重建、重叠添加等）。
使用这个 STFT / iSTFT 框架，我已经测试过：
通过噪声模板的频谱减法工作的基本“降噪”算法 -> 效果非常好！
通过将最低 bin 归零来进行高通滤波（或者，更好的想法：将这些最低 bin 乘以平滑窗口，如 Hann）。它有效（过滤对我的耳朵很好），但频谱图不是我想要的：
我更喜欢（对于低频0hz-300hz）类似的东西：
为了进行良好的高通滤波，我应该在 STFT 阵列中做什么？（即在低频中有一个干净的频谱图，就像这里的第二张图片）
PS：这是我在 Python 中使用的 STFT 方案：http: //pastebin.com/MdycVLQk
您所指的技术是高级技术，通常称为“通过 STFT-masking 去噪”。
首先，您创建一个 STFT 矩阵，并使用您选择的任何权重来掩盖其模数（即 STFT 矩阵的绝对大小）。您可以选择二进制掩码（将您不想要的时频分格归零，同时保留您想要的时频分格），或者您可以执行软掩码，其中权重不是二进制的，但遵循一些与您在时频平面中的数据。
接下来，您应用逆 STFT，这可以通过查找时域信号的最小二乘估计来完成，这将在您执行掩蔽后给出修改后的（复数）STFT。（请参阅此处的这篇论文以及Griffin 和 Lin 的公式 6，了解通过时频 bin 归零对 STFT 逆变换进行最小二乘处理）。（在您的 STFT 反演中，您还必须确保求和帧之间的窗口系数之和相加为单位，因此在 STFT 分析中经常使用半周期 sin 窗口，重叠率为 50%。这不是然而，唯一的解决方案）。
因此，在其最简单的化身中，滤除 STFT 域中的高频分量意味着只需将这些 STFT bin 设置为零，然后应用最小二乘优化算法重新合成您的时域向量。（同样，如果你想做一个高通，你可以在矩阵的低频带中消除或轻轻改变 STFT 系数）。请注意，如果您使用 Griffin 论文，则 LSE 将是 ISTFT 固有的。
您需要分析频域修改的脉冲响应（将其视为滤波器），并确保重叠的长度（使用重叠保存/添加）至少与此脉冲响应的重要部分一样长（以上您想要的噪音水平）。这可能需要更长的 FFT，或使用更宽的“更软”过渡带（或两者）进行频域修改。
您不能仅将 STFT 帧与您的滤波器响应相乘并反转傅立叶变换以获得滤波信号。频域中的任何乘法都是时域中的卷积。并且您使用的频率响应具有与之相关的特定时域内核。当您像这样进行卷积时，该内核将在两个帧边界处环绕，因为 FFT 卷积本质上是圆形的。特别是像高通这样的陡峭滤波器将对样本产生相当长的影响，并引入您所看到的伪影。
解决方案是使用重叠添加或重叠保存卷积方案，将循环卷积变为线性卷积。