我目前正在处理音频信号并遇到问题：
C = A*B + N，其中
C = 来自麦克风的记录信号，包括：
A = 在麦克风旁边的扬声器上播放的已知音乐文件数据
B = 由于扬声器->麦克风往返对录制的 A 声音进行了一些卷积
（我的意思是，在将文件播放到扬声器并由麦克风录制之前，录制的信号不会与文件中的音频数据 100% 相同。 （这是脉冲响应吗？））
N = 麦克风记录的一些额外噪音
我的目标：关于是否有信号 N 以及它的响度的近似估计。
我不需要准确的数据！
附加信息：
我正在使用 Apple 的 vDSP API。我已经交叉关联了信号 A 和 C，所以我有信号重叠的时间窗口。
在重叠窗口中，我在时域和频域中都有信号。
目前我很无助，例如，如果维纳滤波器是正确的方法，并且我能够应用我已知的参数（是否需要已知的噪声？或环境的脉冲响应？）。我试图通过在频域中划分 C/A 来应用维纳反卷积，但没有成功。
再一次：我不需要准确的数据，只需粗略猜测信号 C 中有多少 N。实际上，类似 SNR 的测量就足够了。
维纳滤波是一种方法。它甚至可能是最好的方法。维纳滤波器旨在最小化噪声（在最小二乘意义上）并反转脉冲响应的影响，给定一个已知信号和一个已知被噪声和脉冲响应污染的信号。一旦有了维纳滤波器，您就可以将滤波信号的幅度与直接信号的幅度进行比较，以估计噪声（我认为）。
现在我自己从未实现过维纳滤波器，所以我将参考一本教科书，其中有专门讨论该主题的章节：Glenn Zelniker 和 Fred J. Taylor 的高级数字信号处理（电气和计算机工程）。它已经绝版了，但我相信你可以在某个地方以便宜的价格买到二手副本。我推荐它是因为它的方法比工程更数学，这可能会吸引你。许多其他教科书都有关于该主题的信息。
如果更特别的方法适合您，这里有一个建议。我从未尝试过，但它可能会起作用：
创建一个滤波器组 F（一个适当窗口化的 FFT 将起作用）来分析已知音乐文件A和输入C。您还需要一些测量功能，M。我建议, 而不是，但两者都可以工作，并且您可能还希望随着时间的推移进行一些平滑处理。通过比较到噪声低时的结果，应该可以确定B的效果。当然，你可能不知道噪声低, 在这种情况下, 你必须变得更聪明一点, 根据一些统计数据创建一些估计。然而, 目标是达到一个可以预测从到一定范围内。边界越低，您检测噪声的能力就越好。
要估计噪声，您将比较信号实际超出这些界限的程度。这对于带限噪声很有效，但对于更安静的宽带噪声，它可能效果不佳。在这种情况下，您可能希望创建一个聚合统计信息，该统计信息不仅基于信号超出界限的程度，还基于跨越了多少界限，或者直接将测量函数应用于未过滤的信号：与。