我目前正在尝试从“受污染”的音频文件中消除一些噪音。根据给出的信息，我知道噪声被隔离到一个特定的频带——即从 ~1400 Hz 到 ~1800 Hz。
最直接的方法显然是实现一个阻带滤波器——我已经成功地做到了。但是，我想探索替代选项，即带通滤波器也可以消除所需信号。
这是我到目前为止所做的：
在 MATLAB 中，我探索了信号的某些方面，例如它的功率谱、自相关等：
很明显，噪声集中在我上面提到的频带中，并且看起来噪声是高斯的。
我最初的想法是应用频谱减法方法，例如 Ephraim-Malah 算法，但这种方法做出的假设之一是基础噪声是高斯白噪声。在我拥有的文件中，噪声仅限于特定频段，而不是整个信号。我担心的是，如果我要应用该算法，我会无意中对信号的潜在良好部分引入轻微失真。
目前，我正在考虑将信号分成两部分：使用阻带滤波器来提取不受影响的频率，并使用带通滤波器来捕获噪声区域，将算法应用于后一个频段，然后重新组合信号。
这是一种合适的方法，还是我可以使用更简单和/或更好的方法？
笔记：
因为我知道噪音是什么，所以我可能会使用 Weiner 滤波器。
如果您有一些关于噪声的先验信息，例如频带，您可以简单地实现一个噪声消除算法，重点是消除该频带上的噪声（我的意思是使用某种加权的噪声消除过程）。
一种不错的方法是加权多波段频谱减法（这不是唯一的方法，实际上这些加权方法有很多变化）。MBSS 的改进是由于多频带语音考虑了有色噪声对语音频谱的非线性影响，即某些频率比其他频率受到的影响更大。多频带频谱减法（MBSS）方法比其他方法（例如传统的功率谱减法）提供了明确的改进。
语音频谱被划分为$N$个不重叠的频带，并且频谱减法被独立地应用于每个频带。第 i 个频带中的干净语音频谱的估计可以通过以下公式获得： non-overlapping bands and spectral subtraction is applied to each band independently. The estimation of the clean speech spectrum in 'th band can be obtained from:
为了
其中 $ c_i $ 和 $ c_{i+1}$ 分别是开始和结束频段（您的特定频段）。在第 i 个频带中，$\alpha_i$ 是过减因子，$\delta_i$ 是单独控制每个频带中的噪声去除特性的因子。因此，您可以设置系数以消除音频信号中的有界噪声。 and are the beginning and ending frequency band (your specific band) respectively. In the 'th band, is the over-subtraction factor and is factor to control noise removal properties in each band individually. So you can set coefficient to remove the bounded noise from an audio signal.
如需更多帮助，您可以阅读本文：
您绝对可以使用光谱减法方法。需要满足的基本假设是噪声近似静止或仅缓慢变化。请注意，频谱减法是通过修改每个频率仓的幅度在频域中执行的。如果您事先知道噪声仅存在于某个频带中，则可以仅在该频带中应用频谱减法，而保持所有其他频率区间不变。
一个简单但相当有效的方法是移动平均线。
基本上，您使用确定数量的前向和后向值来取噪声信号的平均值。如果 $x$ 是您的噪声信号并且 $y$ 是移动平均线的输出，并且您选择平均长度为 5： $$ y(k) = \frac{1}{5} \big{(}x (k-2) + x(k-1)+x(k)+x(k+1)+x(k+2)\big{)}$$ is your noisy signal and is the output of the moving average, and you choose an averaging length of 5: