News Center

算法简介

噪声抑制是语音处理中亘古不变的话题，其作用就是尽可能在最小失真的情况下，将噪声从音频信号中消除掉，起到音频过滤的功能。传统的噪声抑制算法虽然实现起来比较简单，但是会存在以下几个不足的地方，第一个不足之处在于不能时刻起到有效抑制的作用；第二个不足是不能针对于各种噪音类型做噪声抑制，第三个不足就是效果也不是都好，存在随机效果，并且调试困难、调试过程漫长。

而RNNoise是一个采用音频特征抽取+深度神经网络结合的降噪方案。这种算法采用递归神经网络（RNN）十分的重要，因为它可以对时间序列进行建模，而不是单独考虑输入和输出帧。这对噪声抑制是非常重要的，可以对噪声产生一个良好的估计值。RNNoise使用的是门控递归单元（Gated Recurrent Unit, GRU），GRU可以将信息记忆很长一段时间，解决了长时间保存信息导致性能受限的问题，并且需要的资源也要更少。

同时基于FPGA的实现方案可以让硬件成本更低，灵活性更加优越、性能参数更加卓越与可配置，摆脱了以往RNNoise实现的硬性实现电路组成框架，将高阶Python或C语言算法实现，变为更加易于实现的RTL源码，可以适配更多的IC设计。