CN105723458A - 用于滤除噪声和还原声信号遭到衰减的高频分量的动态阈值方法、系统、计算机可读介质和程序代码 - Google Patents

用于滤除噪声和还原声信号遭到衰减的高频分量的动态阈值方法、系统、计算机可读介质和程序代码 Download PDF

Info

Publication number
CN105723458A
CN105723458A CN201480061939.7A CN201480061939A CN105723458A CN 105723458 A CN105723458 A CN 105723458A CN 201480061939 A CN201480061939 A CN 201480061939A CN 105723458 A CN105723458 A CN 105723458A
Authority
CN
China
Prior art keywords
sampling
initial
exclusive
cleaning
noise
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201480061939.7A
Other languages
English (en)
Other versions
CN105723458B (zh
Inventor
Y·杨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Saudi Arabian Oil Co
Original Assignee
Saudi Arabian Oil Co
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Saudi Arabian Oil Co filed Critical Saudi Arabian Oil Co
Publication of CN105723458A publication Critical patent/CN105723458A/zh
Application granted granted Critical
Publication of CN105723458B publication Critical patent/CN105723458B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/36—Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy
    • G01V1/364—Seismic filtering
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G01N29/11—Analysing solids by measuring attenuation of acoustic waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/22—Details, e.g. general constructional or apparatus details
    • G01N29/32—Arrangements for suppressing undesired influences, e.g. temperature or pressure variations, compensating for signal noise
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/40—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/30—Noise handling
    • G01V2210/32—Noise reduction
    • G01V2210/324—Filtering
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/40—Transforming data representation
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering
    • G10L21/0216—Noise filtering characterised by the method used for estimating noise
    • G10L2021/02161—Number of inputs available containing the signal or the noise to be suppressed
    • G10L2021/02163—Only one microphone
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering
    • G10L21/0216—Noise filtering characterised by the method used for estimating noise
    • G10L21/0232—Processing in the frequency domain

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Remote Sensing (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Computational Linguistics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geophysics (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Circuit For Audible Band Transducer (AREA)
  • Filters That Use Time-Delay Elements (AREA)

Abstract

提供了为了在声信号(410)中滤除噪声和/或还原被衰减的谱分量而准备的方法、系统、计算机可读介质和程序代码(51)。方法的示范性实施例包括动态过滤记录的多个原始数据采样(420)中的各个采样，以消除或衰减其中包含的背景噪声，从而产生出相应的多个经过清洁的FFT数据采样(430)。通过记录专属动态过滤器(640)除掉或衰减采样专属背景噪声，以产生相应的经过清洁的FFT数据采样(430)。该方法还可以包括通过应用至少部分地由经过清洁的数据采样的一部分和增益函数限定的记录专属还原处理器(930)还原经过清洁的数据采样的被衰减的高频分量，从而产生出经过清洁和还原的数据采样，并且应用反变换来将经过清洁和还原的数据采样转换为时域数据格式的经过清洁和还原的数据采样(732)。示范性系统(30)、计算机可读介质和程序代码被配置为执行该示范性方法。

Description

用于滤除噪声和还原声信号遭到衰减的高频分量的动态阈值方法、系统、计算机可读介质和程序代码
技术领域
本发明总的来说涉及信号处理领域。更具体地说，本发明涉及用于滤除噪声和还原信号中遭到衰减的谱分量的方法、系统和程序代码。
背景技术
例如由声波源生成的具有声波形式的信号(声信号)可以通过包括储油和非储油岩层在内的各种不同材料、包括钻杆在内的油井管道以及包括钻头在内的其它钻井设备传播。声信号一般来说会由于在传输和记录期间伴随的背景噪声的原因而损失它们的准确度。背景噪声由两部分组成，由测量系统生成的固有部分和来自周围环境的外来部分。
声信号还可能在传输和记录期间由于信号的衰减，尤其是高频分量的衰减，而变得失真。声信号振幅谱的衰减通常是不均匀的。声信号谱分量的频率越高，声信号的相应谱分量的衰减越大。
如图1A中所示，背景噪声和不均匀衰减二者将会结合在一起严重恶化声信号的质量。图1A表示使用麦克风和加速度计同时记录的声信号21。由加速度计记录的样本的频率分量22代表音频信号样本的频率分量的未衰减形态；即，假若没有衰减它们本应具有的形态。此处可以看出，由麦克风记录的声信号21的高频分量被衰减恶化到了噪声等级。
为了提高信号的质量，遭到恶化的信号应当被滤除以消除噪声，并且它们的被衰减的谱分量应当被还原。有两种常用的办法∶频率滤波和振幅滤波。频率滤波是通过使用电子装置或数学处理从信号中除去某些不想要的频率分量。在这种办法中，频率大于和/或小于预先选定的截止值的任何频率分量都将被清除或严重衰减。
当采用数学处理时，时域信号(例如，用图形方式被表示信号幅度随时间变化)被转换到频域，以用振幅谱表示信号。这是例如通过使用快速傅里叶变换(FFT)完成的。图1A图示说明了存在于时域中的，被转换到频域内的一对声信号的例子。在信号被转换到频域内的情况下，振幅谱中频率高于和/或低于截止值的信号分量会被除去。
振幅滤波正常情况下是将振幅谱中振幅高于和/或低于截止(阈)值的分量除掉的数学处理。如果需要，然后对经过滤波的频域信号进行反FFT，以还原出时域输出信号。
在这两种方法中，恰当的截止值(阈值)是至关重要的。不过，并不总是存在可用于将声信号与噪声分离开的明确截止值。图1B图示说明振幅截止阈值过低的情况下的还原信号(实线)的例子，这导致了过度滤波。图1C图示说明振幅截止值过高情况下的还原信号(实线)的例子，这导致了过多噪声残留。
已经提出了一些相对复杂的技术通过使用"谱减"方法来滤除噪声，例如S.F.Boll所著《SuppressionofAcousticNoiseinSpeechUsingSpectralSubtraction》(IEEETrans.onAcous.SpeechandSig.Proc.,27,1979。第113-120页)；和名称为《LowComplexityNoiseReductionMethod》的美国专利US20070255560A1。在这类方法中，通过减掉谱噪声偏置来滤除噪声信号。在第一个例子中，计算非讲话行为期间的谱噪声。在第二个例子中，谱噪声是从"噪声行为检测器"程序估算出来的。不过，这一类方法应该是难以应用于噪声属性不详的情形，比如例如，与钻井作业有关的情形，包括涉及钻头的实时操控的钻井作业。
为了进一步提高声信号的准确度，应当还原出衰减的谱分量。名称为《MethodforRestoringSpectralComponentsinDenoisedSpeechSignals》的美国专利US2012/0143604A1讨论了一种这样做的方法。不过，这种方法需要从全带宽洁净语音信号中获得的训练无失真基础。因此，这一要求将该方法的应用限制于可获得这样的全带宽清洁信号的场景，而将该方法的应用排除于不能获得全带宽的场景之外。名称为《MethodforHighFrequencyRestorationofSeismicData》的美国专利US2004/0122596A1介绍了一种由连续的地层界面深度层面上反射回来的声信号估算高频分量的衰减的方法。然后可以由各个深度层面的衰减确定反算子。所确定的反算子被应用于反射回来的声信号，以还原出它们的被衰减的高频分量。不过，这种方法需要知道高频分量衰减的方式。
每个前面提到的方法或手段都有各自的优点和专门的应用范围。不过，本发明人认识到，存在大量的借助某些频率或恒定幅度截止或者清洁信号或噪声样本以及在不能获得高频分量衰减的模式的情况下不能将声信号与伴随的噪声分离开来的情形。
如上所述，声信号可能会在传输和记录期间发生衰减。在多种不同的条件下，信号的部分或全部高频分量信号可能会衰减到与背景噪声类似的水平。例如，由水下装置产生的初始声(声音)信号既会因随时间变化的实质上伴生的背景噪声而失真，又会由于其高频分量在通过水传播的过程中衰减而失真。当从距离声源非常远的地方进行记录时，所记录的声音将会具有固有噪声并且声音会因高频分量遭到衰减而明显失真。
本发明人认识到，当记录来自大气中远处声源或来自地下的声信号时，会有类似的情形。由此，本发明人认识到这些情形的共有特征包括：(1)背景噪声可能是恒定不变的，并且(2)在信号到达记录装置时高频分量通常已经遭到严重衰减。对应地，本发明人已经认识到，存在着对这样的系统、计算机程序、计算机可读介质和计算机辅助方法的需求：滤除非恒定噪声、然后还原出经过过滤的信号的遭到衰减的高频分量，还原出来的高频分量足以提供经过过滤和还原出来的信号，该信号与原始的初始信号充分匹配。
发明内容
考虑到前述内容，本发明的各种不同实施例有益地提供了用于在信号中滤除噪声和还原被衰减的谱分量的方法、系统、计算机可读介质和程序代码。本发明的各种不同实施例，由于过滤和还原声信号额的能力，足以提供质量好到能够实现"聆听"钻头的信号。按照各种不同的实施例，还可以在钻井期间使用钻头声音实时得出石油物理特性，和/或实现钻头的实时操控。
所记录的声音信号包括背景噪声并且它们的高频分量遭到了衰减。本发明的各种不同实施例有益地给出了滤除背景噪声和还原信号的被衰减的高频分量的增强方法，从而从信号中取得了更多信息。此外，各种不同的实施例可以有益地被应用于地震数据处理，以增强地址信号的质量，此外还有其它很多用途，不胜枚举。
更具体地讲，在信号中滤除噪声和还原被衰减的谱分量的方法的实施例的例子可以包括在预先选择的持续时间内接收声信号，以形成声信号的一个或多个记录(典型地在时域内)，和/或对各自在相对较短的时间段内单独记录的至少一个声信号记录，而更加一般地是多个声信号记录，中的各个记录了执行下列步骤中的一个或多个。这些步骤还可以或者另外包括对单个记录内的声信号进行采样，例如，由预处理器进行采样，从而形成包含例如多个原始数据采样的采样后的数字化数据，如果还没有完成的话。这些步骤还可以或者另外包括应用快速傅里叶变换来将多个原始数据采样转换为多个原始FFT数据采样。原始FFT数据采样是由声信号数据和背景噪声组成的。
这些方法步骤还可以包括对多个原始FFT数据采样中的每一个动态地进行过滤，以消除或衰减其中包含的采样专属的背景噪声，从而产生相应多个经过清洁的FFT数据采样。通过调整后的记录专属动态过滤器除掉或衰减采样专属背景噪声，以产生相应的经过清洁的FFT数据采样。经过调整的动态过滤器至少部分地由应用于多个原始FFT数据采样中的每一个的所选择的动态幅度噪声截止点限定。所选择的动态幅度噪声截止点是由所选择的记录专属基本噪声百分点的值和所选择的记录专属的阈值参数值限定的。经过清洁的FFT数据采样可以包括具有受到严重衰减的高频分量的声信号数据，
这些方法步骤还可以包括还原经过清洁的数据采样的被衰减的高频分量，从而产生出时域中的经过清洁和还原的数据采样。还原的步骤可以通过应用至少部分由经过清洁的数据采样的一部分和增益函数定义的记录专属还原处理器执行的。这些步骤还可以包括应用反变换，以将经过清洁和还原的数据采样转换为时域数据格式的经过清洁和还原的数据采样。
这些方法步骤还可以或另外包括首先调整初始的记录专属首先动态过滤器，该动态过滤器至少部分地由初始动态幅度噪声截止点定义，初始动态幅度噪声截止点由初始记录专属基本噪声百分点和初始记录专属阈值参数值定义，以便形成经过调整(选择)的动态过滤器来执行上面的过滤步骤。初始动态过滤器的调整可以包括确定初始记录专属基本噪声百分点，该起始记录专属基本噪声百分点被定义为单个记录的多个采样中每一个的幅度谱的记录专属特定频率范围内的第K个百分点，单个记录内的多个采样中的每一个各自的幅度谱的特定频率范围内低于所述百分点的各个频率分量都被视为具有充分确定性的背景噪声。这个"固有噪声电平"是信号中背景噪声的大小，或者由系统引入的噪声的大小，正在采集的信号如果低于这个值就可能无法与噪声分离开。
这个调整步骤可以还包括确定被定义为与初始记录专属基本噪声百分点相乘的阈值因子或者要与初始记录专属基本噪声百分点相加的阈值升降因子的阈值参数的初始记录专属值，以便为所选择的动态幅度噪声截止点确定一个值，以便单独应用于多个原始数据采样中的每一个。
调整步骤包括接收或取得一个或多个记录中的各个单个记录的多个采样的子集。如果单个的记录是记录下来的记录，则调整步骤可以包括取得在实质上不同的时刻记录的具有不同的背景噪声大小的多个原始数据采样的子集，从而定义一组代表性FFT数据采样。如果单个记录另外是待处理的在线记录并且无法选择实质上不同时刻的原始数据采样，则调整步骤包括接收该单个记录的开端处的多个原始数据采样的子集的2步骤，从而定义一组代表性FFT数据采样(421)。
不管怎样，调整步骤还可以包括为一个或多个记录的单个记录选择特定频率范围。特定频率范围可以是由包含背景噪声占主导地位的频率分量的一组代表性FFT数据采样中的各个采样共有的频率范围限定，或者如果没有频率范围是由背景噪声占主导地位的，则特定频率范围由包含的背景噪声占比比该组代表性FFT数据采样(421)的其它基本上连续的频率范围高的该组代表性FFT数据采样的各个采样共有的频率范围限定。
调整步骤还可以包括为一个或多个记录的单个记录选择初始的基本噪声百分点。这一选择步骤可以包括∶认定明显的分割幅度，对于一组代表性FFT数据采样内的各个采样，所选择的特定频率范围内至少接近全部低于该分割幅度的频率分量都是背景噪声，为单个记录选择记录专属阈值参数的初始值，并且为由所选择的基本噪声百分点和所选择的阈值参数的记录专属值定义的单个记录确定动态幅度噪声截止点。调整步骤还可以包括用从多个原始数据采样中提取的一组代表性数据采样中的一个或多个采样评价至少部分由动态幅度噪声截止点限定的初始动态过滤器的结果，从而构造经过调整的动态过滤器。
用一组代表性FFT数据采样内的一个或多个采样评价初始的动态过滤器的步骤，可以包括以图形方式评价该组代表性FFT数据采样内的一个或多个采样的动态幅度噪声截止点的幅度位置，和/或用该组代表性FFT数据采样内的一个或多个采样评价至少部分由初始动态幅度噪声截止点限定的初始动态过滤器的结果。这个步骤可以包括确定初始动态过滤器、执行该组代表性FFT数据内的一个或多个采样的初始动态过滤，从而产生出相应的一个或多个经过清洁的FFT数据采样，和通过将各个单个的经过清洁的FFT数据采样与其相应的原始FFT数据采样进行比较，直接采用图形方式检验一个或多个经过清洁的FFT数据采样。
用一组代表性FFT数据采样内的一个或多个采样评价初始的动态过滤器的结果步骤，还可以或另外包括确定初始动态过滤器、执行该组代表性FFT数据内的一个或多个采样的初始动态过滤，从而产生出相应的一个或多个经过清洁的FFT数据采样，和检验与一个或多个经过清洁的FFT数据采样相对应的一个或多个时域数据采样。这个步骤可以包括对一个或多个经过清洁的FFT数据采样(430)进行反FFT，从而将经过清洁的FFT数据(430)变换为时域格式，从而产生出一个或多个时域数据采样(732)，和使用收听装置产生与一个或多个时域数据采样相对应的声音。
如果初始动态过滤器的结果不是可接受的，则方法步骤可以包括重复调节阈值因子的步骤，从而沿着校正的方向移动动态幅度噪声截止点并且评价经过调节的初始动态过滤器的结果，直到可接受。如果初始动态过滤器的评价结果是可接受的，则方法步骤还可以包括用第二组代表性FFT数据采样评价初始的动态过滤器。
如果经过清洁的FFT数据采样是这样存储的：可以以实质上不同的时间间隔选取多个经过清洁的FFT数据采样的子集，则方法步骤还可以或者可以另外包括执行取得代表以实质上不同的时间记录的具有可能不同的背景噪声大小的信号的采样的多个经过清洁的FFT数据采样中的一个子集的步骤，从而定义在创建或选择增益函数和形成记录专属还原处理器时使用的一组代表性的经过清洁的FFT数据采样。如果经过清洁的FFT数据采样是以流的方式在线提供的，从而无法以本质上不同的时间间隔选择多个经过清洁的FFT数据采样的子集，则方法步骤还可以或可以另外包括执行接收单个记录的开端处的多个经过清洁的FFT数据采样(430)的子集的步骤，从而定义在创建或选择增益函数和形成记录专属还原处理器时使用的一组代表性的经过清洁的FFT数据采样。
按照前面介绍的步骤的实施例的一个例子，记录专属还原处理器是运算上的记录专属还原处理器。按照一种实施例，方法步骤还可以包括为一个或多个记录的单个记录选择初始的还原处理器。这个步骤可以包括从多个经过清洁的FFT数据采样中选择一组代表性的经过清洁的FFT数据采样，响应于代表性的经过清洁的FFT数据采样，创建或选择增益函数或者从数据库中选择增益函数，调节增益函数的参数，从而形成初始的还原处理器，由至少部分由增益函数定义的初始还原处理器执行该组代表性的经过清洁的FFT数据采样内的一个或多个采样的初始还原处理，从而产生出一组经过还原的FFT数据采样内的相应的一个或多个经过还原的采样，和评价初始还原处理器。
如果初始还原处理器(930)的结果不可接受，则方法步骤可以包括重复创建或选择定义增益函数的新增益函数、调节增益函数的参数和评价初始还原处理器的结果直到可接受的步骤。如果初始还原处理器的评价结果是可接受的，则方法步骤还可以包括用多个经过清洁的FFT数据采样的第二个子集评价初始的还原处理器。评价初始还原处理器的步骤可以包括采用图形方式将该组经过还原的FFT数据采样的各个采样与其相应的经过清洁的FFT数据采样进行比较，和/或检验与该组经过还原的FFT数据采样的一个或多个采样相对应的一个或多个时域数据采样。这个步骤可以包括对一个或多个经过还原的FFT数据采样进行反FFT，从而将经过还原的FFT数据变换为时域格式，从而产生出一个或多个时域数据采样，和使用收听装置产生与一个或多个时域数据采样相对应的声音。
有利地，本发明的一个或多个实施例还可以包括在声信号中滤除噪声和还原被衰减的谱分量的系统，被配置为执行由前面介绍的计算机可实施的方法步骤中的一个或多个的一个或多个组合所定义的操作。还系统可以包括动态噪声过滤和信号还原计算机，该计算机具有一个或多个处理器和与所述一个或多个处理器通信的存储器；和存储在动态噪声过滤和信号还原计算机的存储器中的动态噪声过滤和信号还原计算机程序，是为了在声信号中滤除噪声、还原遭到衰减的谱分量或者在滤除噪声的同时还原被衰减的谱分量而准备的，该程序包括指令，这些指令在由动态噪声过滤和信号还原计算机执行时会使得该计算机执行由前面介绍的计算机可实施方法步骤定义的操作。
更加有利地，一个或多个实施例还可以包括用于在声信号中滤除噪声、还原被衰减的谱分量或者在滤除噪声的同时还原被衰减的谱分量的动态噪声过滤和信号还原计算机程序，该计算机程序被承载在暂时性计算机可读介质上或者被存储在非暂时性计算可读介质上，并且包括一组指令，这组指令在由一个或多个处理器执行时会使得所述一个或多个处理器执行由前面介绍的方法步骤中的一个或多个的一个或多个的组合限定的操作。
更加再有利地，一个或多个实施例还包括非暂时性计算机可读介质，具有收录于其上的为了在声信号中滤除噪声、还原被衰减的谱分量或者在滤除噪声的同时还原被衰减的谱分量而准备的处理器可读代码，该处理器可读代码包括一组指令，这组指令在由一个或多个处理器执行时会使得所述一个或多个处理器执行由前面介绍的一个或多个方法步骤的一个或多个的组合限定的操作。
有利地，按照一个或多个实施例，与传统的过滤技术不同，这些"动态幅度噪声截止点"技术使得最好的噪声截止点能够被评价出来并且然后被应用于各个单个采样。由此，一个或多个实施例提供了滤除背景噪声和/或还原被衰减的声信号分量的最佳解决方案。一个或多个实施例已经通过近期的实践应用被应用于现实生活中项目。此外，可以将一个或多个实施例有益地应用于地震测量中衰减高频信号的还原，并且因此，可以用来增大地震测量的分辨率。
附图说明
以便于本发明的特征和优点以及将会变得显而易见的其它方面可以得到更加详细了解的方式，参照附图中示出的本发明的实施例，可以得到前面简要概述的发明的更加具体的说明，这些附图构成了说明书的一部分。不过，要注意的是，附图仅仅示出了本发明的各种实施例，因此不应被看作是对本发明范围的限制，因为它也可以包括其它的实际实施例。
图1A是给出由麦克风和由加速度计同时记录的音频信号之间的比较例的曲线图，用以说明由麦克风记录的音频信号的衰减。
图1B是表示高频分量的过度过滤的曲线图。
图1C是表示高频分量的欠过滤的曲线图。
图1D是表示对传统的恒定阈值幅度值与按照本发明的实施例的动态阈值幅度值进行比较的曲线图。
图1E-图1F是表示利用按照本发明实施例的动态阈值幅度值进行信号过滤和高频分量还原的结果的一对曲线图。
图2是表示提供按照本发明实施例的动态噪声过滤和衰减谱分量还原的系统的主要系统组件的饭方框图。
图3A-图3C是表示由加速度计和由麦克风记录的声音采样的幅度谱的一组曲线图。
图4A-图4D是表示两个采样的幅度谱的一组曲线图，用来图解说明背景噪声的大小随时间变化。
图5A-图5C是表示采样的幅度谱的一组曲线图，用来图解说明按照本发明的实施例的噪声过滤中使用的动态幅度噪声截止点的适当选择。
图6是图解说明按照一种示范性实施例使用"动态幅度噪声截止点"过滤技术对背景噪声进行过滤并且对声信号遭到衰减的高频分量进行还原的各个步骤的示意性高级流程图。
图7是图解说明形成应用于按照本发明实施例的动态过滤器的快速傅里叶变换数据的步骤的示意流程图。
图8是图解说明按照本发明实施例调整动态过滤器的处理的示意性高级流程图。
图9是图解说明按照本发明实施例的检验经过清洁的FFT数据或经过清洁和还原的FFT数据的示意流程图。
图10A-图10B是表示与恒定噪声截止线相比较，按照本发明实施例的分别为麦克风和加速度计记录得出的动态幅度噪声截止点值的一对曲线图。
图11是图解说明按照本发明实施例还原声音信号的被衰减的高频分量并且确定或选择和调整增益函数的步骤的示意流程图。
图12是表示按照本发明的实施例在还原声信号的被衰减的高频分量时使用的示范性增益函数的曲线图。
图13A-图13E是表示按照发明实施例与在相同的声音时间段内分别由麦克风和加速度计记录的一对采样对应的原始麦克风和加速度计FFT采样数据和经过过滤和/或还原的结果的一组曲线图。
图14A-图14E是表示按照发明实施例与相同的声音时间段内分别由麦克风和加速度计记录的一对采样对应的原始麦克风和加速度计FFT采样数据和经过过滤和/或还原的结果的一组曲线图。
图15A-图15D是表示针对两个采样按照本发明实施例使用本文介绍的示范性动态幅度噪声截止点处理的处理结果和使用传统的恒定幅度噪声截止点方法得到的处理结果之间的比较的一组曲线图。
图16A-图16B是分别表示按照本发明实施例的加速度计记录的一部分对应的原始数据和经过过滤的数据的一组曲线图。
图17A-图17B是分别表示按照本发明实施例的加速度计记录的一部分对应的原始数据和经过过滤和还原的结果的一组曲线图。
具体实施方式
现在将参照附图在下文中更加完整地介绍本发明，这些附图图解说明本发明的各实施例。不过，本发明可以以很多不同的形式具体实现，并且不应被看作局限于本文给出的图示实施例。相反，给出这些实施例是为了使本文公开的内容全面和完整，并且这些实施例将会向本领域技术人员完整传达本发明的范围。类似的附图标记通篇指代类似的元件。如果使用了上撇号的话，那么这个上撇号表示另外的实施例中的类似元件。
注释∶在本说明书中明确了"记录"和"采样"这两个术语的具体含义。记录(例如，声信号的记录)是来自位于同一环境中的同一来源的，在一定的时间段内持续记录或用其它方式采集的一组数据。记录可以被数字化为沿着该时间段边界间夹着的时间线连续的一连串数据片段，每个片段都是该记录的一小部分。数据的一个片段被称为采样(或帧)。因此，数字化记录是由一连串采样组成的。此外，声信号的频域表达被称为该信号的"振幅谱"或者仅仅称为"谱"。该谱的每条正弦曲线被称为采样中总信号的分量。
当声信号被记录时，总是会在记录的信号内存在噪声。所记录的信号可能会因为高频分量的不均匀衰减而在传输和记录期间进一步恶化。具有声波形式的信号将会由于传输和记录期间的伴生背景噪声和衰减的高频分量而丧失其准确性。对噪声进行过滤可以直接提高信号的质量。过滤通常是还原被衰减高频分量的先决步骤。有多种公知的去噪声方法。传统的方法一般来说首先逐采样地将声信号从时域格式转换为频域格式，尝试滤除或减少噪声，并且然后尝试还原被衰减的分量。为了滤除噪声，传统的方法一般来说首先辨别/估计该噪声，然后使用所辨别出的噪声通过减去或过滤或者抑制来减少该噪声。各种不同的方法包括利用针对选定记录的恒定幅度截止来滤除噪声、利用针对选定记录的恒定频率截止来滤除噪声或者在特殊情况下利用诸如移动电话会话期间语音间的脉冲之类的纯噪声来滤除噪声。
如示出了两个音频信号的图1D中所示，问题在于声信号可能不包含纯噪声帧并且使用恒定幅度或频率截止可能无法滤除背景噪声。另一个问题是噪音估计通常是不精确的，尤其当噪音随时间变化时。结果，按照传统的方法保持恒定阈值25不变要么会导致信号的过度消除(见图1B)，要么会导致在去噪声之后还会剩余一部分残留噪声，这些噪声在还原时都可能会被过分放大(见图1C)。
如图1A和1E-1F中所示，本发明的各种不同实施例可以提供信号过滤和高频分量还原(如叠加在用虚线表示的未衰减加速度计信号上的实线所示)。按照本发明的一个或多个实施例，背景噪声是借助通过按照本发明的一个或多个实施例的处理而创建、决定或用其它方式确定的"动态阈值"来滤除的。使用这个处理，为给定记录的各个单个采样评价专用的幅度噪声截止点并且将其应用于同一采样来滤除该采样的背景噪声。然后从过滤后的或清洁后的采样中还原出遭到衰减的采样谱分量。
按照本发明的各种不同的实施例，幅度谱上所有明显波峰都可以被当作信号的一部分来对待，并且幅度谱上较大的平缓部分被当作背景噪声。例如，图3A和3C上虚线矩形所围绕的部分被当作背景噪声。如上所述，背景噪声一般来说是随时间变化的，即，帧到帧之间FFT谱会发生变化。由此，本发明的各种实施例将背景噪声视为随时间变化，即，背景噪声被视为在帧与帧之间发生了变化。不过，在帧内，即，在FFT谱内，背景噪声被视为是恒定不变的。也就是说，FFT谱内所有数据点(在整个频率范围内)对应的背景噪声，认为是恒定不变的。本发明的各种不同实施例准备对给定记录的各个帧信号(即，对各个FFT采样)进行动态幅度阈值(截止点)的评价。然后使用为帧评价的截止点对记录进行逐帧过滤。有益地，这可以考虑为一帧评价幅度截止点并且然后将其应用于同一帧。
图2示出了提供动态噪声过滤和衰减谱分量还原的系统30的例子。系统30可以包括动态噪声过滤和信号还原计算机31，该计算机包括一个或多个处理器33、与这些处理器33相连的用来在其中存储软件和/或数据库记录的存储器35，并且根据需要该计算机还包括用户接口37，该用户接口37可以包括用来显示图形图像的图形显示器39和本领域技术人员公知的用户输入装置41，用来提供用户操作软件和数据库记录的渠道。注意，计算机31的形式可以是独立单元、油井设施的组件、个人计算机，或者可以具有服务于多个位于远程位置的用户接口37的服务器或多个服务器的形式。由此，如本领域技术人员所公知的，用户接口37可以直接与计算机31连接或者通过网络38与计算机31连接。系统30还可以包括存储在存储器(内存或外部存储器)中的一个或多个数据库43，如本领域技术人员所熟知的那样，该存储器可操作地与动态噪声过滤和信号还原计算机31相连。所述一个或多个数据库43可以包括多个声波文件，这些声波文件是例如在钻井作业期间记录的，以备用于在钻井期间实时辨别岩石特性。
系统30还可以包括单独提供的或者存储在动态噪声过滤和信号还原计算机31的存储器35中的动态噪声过滤和信号还原计算机程序51。动态噪声过滤和信号还原计算机程序51可以包括这样的指令，这些指令在由处理器或计算机(比如例如动态噪声过滤和信号还原计算机31)运行时使得计算机执行在多个声波信号记录或文件的多个采样中的每一个采样中进行动态噪声过滤和衰减谱分量还原的操作。注意，动态噪声过滤和信号还原计算机程序51的形式可以是微编码、程序、例程和符号语言，它们提供特定的一组或多组控制硬件功能并且指引硬件操作的有序操作，这是本领域技术人员公知并理解的。还要注意，按照本发明的一个或多个实施例，动态噪声过滤和信号还原计算机程序51不必整体上驻留于易失性存储器中，而是可以象本领域技术人员所公知并理解的那样按照各种不同的方法根据需要有选择地加载。
该系统还可以包括通过电缆54连接到与计算机31相连的数据获取单元(DAU)55的信号接口53。按照该示范性构造，信号接口53包括音频麦克风或能够记录声学(声波)信号的其它形式的声信号捕获或记录装置，比如加速度计和地音探测器。数据获取单元55从信号接口53接收模拟声信号并且对其进行采样/数字化并将数字化之后的声信号存储在数据库43中。
图3A-图17B给出了从真实例子产生的图形，用来更好地图解说明本发明的示范性实施例。为了提供供讨论用的示范性图形，在超过71小时的时间段内用测量麦克风和加速度计(未示出)持续记录了机器(未示出)所产生的声音，以产生非典型的麦克风记录和非典型的加速度计记录。麦克风和加速度计都具有内置放大器。它们被固定在一个金属适配器上，该金属适配器被附加在机器上。所记录的声信号首先由内置放大器放大，然后被传送到DAU55,在此处对它们进行采样和数字化。以同样的时间顺序对来自这两个传感器的信号进行采样。数字化数据被传送到计算机31并保存在数据库43中以供进行分析。采样得到的数据是时域格式的数据。通过运用快速傅里叶变换(FFT)，它们被各自转换为频域格式，即，幅度谱格式。由于来自两个记录装置的记录都以同样的时间顺序进行了采样，因此各声音片段具有保存在两个对应记录中的两个对应采样。为了清楚起见，增加了对应于加速度计的字母A和对应于麦克风的字母M作为采样标识的后缀。例如，采样1A和采样1M是加速度计和麦克风各自记录的同一段声音的记录成对采样。为了方便起见，为分别与加速度计和麦克风记录相对应的任意标识都添加了字母"A"和"M"作为后缀。注意，本文中使用的例子仅仅是为了更好地解释原理。实际上，本发明的一个或多个实施例可以被应用于其它的场景。类似地，本发明的各种不同实施例并不局限于本例中使用的传感器类型(即，麦克风和加速度计)，也可以采用其它类型的声传感器。
图3A-图3C是表示由加速度计(图3A)记录的声信号采样和由麦克风(图3B-图3C)记录的同一声信号(声音)采样的幅度谱的一组图形。由加速度计记录的声音采样被标注为"采样1A"，并且由麦克风记录的声音采样被标注为"采样1M"。麦克风通过测量空气中的压力变化来产生声信号，并且因此，幅度单位为帕斯卡(Pa)；而加速度计通过测量振动的加速度来记录声信号，并且因此，幅度单位为重力加速度(g)。
在所记录的声音中存在背景噪声。在采样1A的幅度谱110A中的1003处框出了一部分背景噪声，并且在采样1M的幅度谱111M中的1007处也框出了这一部分背景噪声。背景噪声是由音频信号记录系统(例如麦克风、电缆等)固有生成的并来自于周围环境。事实上，总是有背景噪声存在于所记录的声信号中的。
通过将幅度谱110A与110M相比较(参见，例如，用于叠加比较的图1A)，可以看出，对于小于1200Hz的频率，加速度计和麦克风记录的谱图样是一致的。不过，由麦克风记录的大于1200Hz的幅度谱110M频率分量明显衰减。幅度衰减随着频率的增加而增大。如此一来，由麦克风记录的声信号110M的质量不仅因为背景噪声而降低，而且还因为其高频分量的衰减而明显恶化。
为了提高声信号的质量，应当对该信号进行过滤以消除背景噪声，并且应当尽可能地还原遭到衰减的高频分量。首先应当消除背景噪声，然后再使用经过过滤的或者以其它方式清洁过的幅度谱来还原被衰减的高频分量。如若不然，不消除背景噪声就还原高频分量，在还原出来的信号部分中背景噪声通常会被放大。
为了图解说明，如图3A-图3C中所示，给出了来自加速度计和麦克风二者的声音采样，以表示要加以过滤来消除噪声的原始有噪声信号。使用由麦克风记录的声音采样1M作为要加以过滤并且要还原其高频分量的原始有噪声且被衰减信号采样的例子；并且使用来自加速度计的高频分量未遭衰减的声音采样1A作为检验麦克风采样1M的还原结果的参考标准。
按照一种示范性实施例，滤除噪声和还原声信号采样的被衰减高频分量有两个主要方法步骤。首先，使用"动态阈值"对记录的采样进行过滤。"动态阈值"是由采样中评价并且然后被应用于同一采样的"动态幅度噪声截止点"。其次，对经过清洁或过滤的采样的高频分量进行还原。
参照图3B中的麦克风采样1M，在幅度谱110M上似乎没有高于2200Hz的信号。不过，参照图3A中的加速度计采样1A，幅度谱110A表明有四个明显的峰值点∶峰值点1001、峰值点1002和峰值点1001前面的两个峰值点。当110M的幅度标尺被改为对数标尺111M(见图3C)时，对应的四个峰值点被在麦克风提供的幅度谱111M上更加清晰地显现出来。在它们当中，峰值点1005和1006分别对应于幅度谱110A中的峰值点1001和1002。通过比较谱110A和111M，还可以明确，幅度谱111M的峰值点与幅度谱110A的峰值点在它们的频率方面几乎完美匹配，并且110M的高频分量的幅度明显被衰减，且衰减随着频率的增加而增大。为了避免噪声在还原期间被放大，应当对所记录的原始数据进行过滤以消除背景噪声。在过滤之后，继续进行还原可恢复的被衰减谱分量的处理。在还原之后，麦克风幅度谱110M应当类似于加速度计幅度谱110A。
设计本发明的各种不同实施例的目的在于应对没有在先清洁信号或者可用的噪声图样的情况。在这样的情形下，无法按照传统的信号调节系统那样通过应用清洁信号或噪声图样来将信号与噪声轻易区分开来。
按照该示范性实施例，幅度谱上所有明显波峰都被当作信号的一部分来对待，并且将幅度谱上较大的平缓部分当作背景噪声来对待。例如，仍然参照图3A-图3C，谱110A的峰值点1001和1002与谱111M的峰值点1005和1006都被当作信号的一部分；而谱110A上1003处和谱111M上1007处被矩形圈起来的部分被当作背景噪声。
此外，在各采样1A、1M的整个频率范围内的各个信号数据点下方，有针对幅度的背景噪声贡献。贡献量被视为与位于谱110A上的1003处和谱111M上的1007处的平缓部分内的谱的幅度的最大程度一样。
为了消除背景噪声，需要适当的噪声截止点，比如幅度谱110A上的1004(图3A)和幅度谱111M上的1008(图3C)，来将信号与背景噪声分离开。一旦获得了适当的噪声截止点，就可以通过将原始幅度谱减去幅度截止点来滤除背景噪声，如公式(1)所规定的∶
其中Afi是过滤后的采样的幅度谱的数据点i的幅度；
其中Ari是过滤前原始幅度谱上数据点i的幅度；和
其中Nc是噪声幅度截止点。
当对原始数据进行过滤时，公式(1)被应用于采样的整个关注频率范围。例如，对于由麦克风记录的数据采样1M，超过4000Hz的谱分量被衰减到了至少接近于背景噪声的程度。所关注的频率范围因此是0-4000Hz。通过这一讨论，本领域技术人员应当理解，在应用上述方案时，适当的噪声截止点是很重要的，并且适当的噪声截止点应当最大化消除噪声并且同时最大化保留信号。
图4A-图4D给出了在不同时间记录的两个采样，采样1M和2M的幅度谱图表，以图解说明背景噪声的大小是最时间变化的。图4B中的幅度谱111M与图4A中的幅度谱110M相同，只是幅度轴是以对数标度的。这张图中的采样1M是与图3B-3C中相同的采样。图4D中的幅度谱221M与图4C中的幅度谱220M相同，只是幅度轴是以对数标度的。不过，这一组图采用比较的方式图解说明了背景噪声不是恒定不变的，而是可以随时间变化的。采样1M的背景噪声1007(图4B)的大小明显不同于采样2M的背景噪声2003(图4D)的大小。
从这一比较性的图解说明中可以看出，对这些采样应用恒定不变的噪声截止点将会导致错误的结果。例如，如果采用恒定不变的噪音截止点2000(跨越图4B和4D延伸)，则采样1M的幅度谱111M的两个信号峰值点1005和1006将会被除掉，因为它们的幅度小于恒定的截止点2000，并且采样2M的谱221M的背景噪声2003将不会被消除，因为背景噪声2003幅度高于恒定截止点2000。
这一图解说明表明在过滤时应用恒定的幅度噪声截止点会除掉信号的某些分量并且漏掉某些背景噪声。在理想情况下，应当为特定的采样选择特定的噪声截止点，比如用于采样1M的截止点2001(图4B)和用于采样2M的截止点2002(图4D)，以便将信号与背景噪声最好地分离开。总之，恒定不变的噪声截止点不应当应用于噪声随时间变化的场景。如此说来，按照示范性的配置，给出了更加理想的办法，为特定的采样评价截止点并且将该截止点应用于该采样本身。
好的噪声截止点是从采样得出并且应用于该采用本身的噪声截止点。本发明的示范性实施例给出了这样的方法。参照图5A-5C，加速度计记录的采样3A提供了解释这一原理的例子。谱曲线图311A(图5B)表示将谱310A(图5A)的幅度放大显示。谱312A(图5C)是谱310A在应用了本发明的这一个方面中公开的方法之后的经过过滤的结果。在谱310A和311A中，各个圆点是数据点。
如图5B中所示，在例如幅度谱曲线图311A的3000-5000Hz(在3001处)的频率范围内，我们可以确信，对于给定的记录，存在这样一个百分点数K，记录内所有采样低于这个百分点数K的数据点或分量都可以被毫无疑义地看作背景噪声。例如，谱311A的3002处的第50个百分点是这样个一个幅度百分点。这个百分点这里被称为"基本噪声百分点"。
定义这样一个基本噪声百分点并不能确保高于它的所有数据点都是信号。例如，图5B中的曲线图311A的频率范围3000-5000Hz的3002处的第50个百分点是该记录的基本噪声百分点。对于采样3A，基本噪声百分点3002与幅度谱311A的直线3003之间的数据点也是背景噪声，不过它们都高于基本噪声百分点3002。
对于给定的记录，依照基本噪声百分点的定义，会存在不止一个基本噪声百分点。当为记录确定基本噪声百分点时，任何低于所确定的基本噪声百分点的百分点都是基本噪声百分点。例如，由于图5B的曲线图311A的第50个百分点3002是基本噪声百分点，因此第40个百分点也是基本噪声百分点，这简单地因为低于它的数据点都将会低于第50个百分点。
基本噪声百分点不能直接用作给定记录的噪声截止点，因为非常有可能某些高于它的噪声数据点在对记录进行过滤之后不能被清除掉。由于低于基本噪声百分点，因此所有的数据点都被当作噪声，并且仍然有高于该基本噪声百分点的噪声数据点，适当的幅度噪声截止点必须高于基本噪声百分点。
本发明的示范性实施例给出了这样的适当的幅度截止点，称为"动态阈值"或者"动态幅度噪声截止点"。这个幅度噪声截止点是动态的，因为它是针对记录内各个单个的采样评价的并且被应用于单个采样本身。结果，它能够最佳地将噪音与信号分离开来；也就是说，在过滤期间最大限度地清除噪声并且最大限度地保留信号。
由于对于给定记录，动态幅度噪声截止点高于基本噪声百分点，因此构建了下列公式公式(2)来定义这一阈值截止点：
Ath＝Cth·Pb公式(2)
其中Ath是动态幅度噪声截止点，单位与幅度谱的幅度相同。图5B的幅度谱311A上的直线3003是这一截止点。
其中Pb是给定记录的基本噪声百分点，单位与幅度谱的幅度相同。图5B的幅度谱311A上的直线3002是用于采样3A的基本噪声百分点。本领域技术人员将会很容易地理解百分点的定义和百分点的评价。
其中Cth是恒定系数，称为阈值因子。它是对应于给定记录的无单位常数。
从中得出基本噪声百分点的频率范围被称为"特定频率范围"。对于给定记录，特定频率范围对于记录内所有的采样都是相同的。例如，在本例中，选取频率范围3000-4000Hz作为用于麦克风记录的特定频率范围，并且选取频率范围3000-5000Hz作为用于加速度计记录的特定频率范围。
在本发明的这一实施例中，对于给定记录内的所有采样，基本噪声百分点Pb也都是一样的。例如，选取第50个百分点作为用于本例的麦克风记录和加速度计记录的基本噪声百分点。之所以选取第50个百分点，是因为它为两种记录提供了够用的参考百分点。不过，也可以为两种记录使用不同的百分点作为基本噪声百分点。注意，虽然对于给定记录中的所有采样基本噪声百分点都是相同的，但是用于各个采样的百分点所等同的实际幅度值是从采样中评价的，并且因此，正常情况下不同于记录中其它采样的百分点。
阈值因子Cth是用于给定记录的常数，并且因此，对于给定记录内的所有采样是相同的。
根植于它的公式(2)中的定义，动态幅度噪声截止点Ath就有下列属性∶它使用整个记录的噪声信息，即阈值因子Cth、与整个记录对应的同一"特定频率范围"和与整个记录对应的同一基本噪声百分点，并且在各个基本噪声百分点上通过使用采样的基本噪声百分点Pb的特定幅度值被调整得适合于各个采样。
当背景噪声变化时，基本噪声百分点的值会随着背景噪声的变化而改变。阈值因子Cth使得动态幅度噪声截止点高于背景噪声并且低于信号。
结果，动态幅度噪声截止点随着背景噪声变化而变化并且至少基本上(如果不能完全地)最大程度地将背景噪声与信号分离开来。
我们发现，下列动态幅度噪声截止点的另一可选定义在将背景噪声与信号分离开方面具有与公式(2)中定义的具有类似的效果∶
Ath＝Pb+Ce公式(3)
其中，Ce是恒定系数，名为阈值升降因子，单位与幅度谱的幅度相同。它对于给定记录是恒定不变的。它的功能与阈值因子Cth的功能相同，是用来使得动态幅度噪声截止点高于背景噪声并且低于信号，并且因此，至少基本上(如果不能完全地)最大程度地将背景噪声与信号分离开来。
使用动态幅度噪声截止点，通过使用公式(1)可以最大程度地消除背景噪声并且可以最大程度地保留信号。当使用公式(1)时，用动态幅度噪声截止点Ath代替噪声截止点Ne，形成公式(4)∶
对记录进行过滤和还原的程序。图6是图解说明按照一种示范性实施例使用"动态幅度噪声截止点"过滤技术对背景噪声进行过滤并且对声信号遭到衰减的高频分量进行还原的各个步骤的高级流程图。
当接收到原始声信号410时，由预处理器500将它们转换为频域数据(FFT数据420)由之前处理器500。在绘图完成时，FFT数据被称为幅度谱。图4A中的幅度谱110M、图4C中的幅度谱220M和图5A中的310A给出了绘图完成之后的FFT数据的例子。
使FFT数据通过动态过滤器640来过滤背景噪声，并且因此，产生出经过清洁的FFT数据430。
由还原处理器930对经过清洁的FFT数据430进行处理，以还原出记录遭到衰减的高频分量，并且因此，产生出经过清洁和还原的FFT数据440。
经过清洁和还原的FFT数据440可以直接被用在用户的应用470中。还可以通过应用反快速傅里叶变换450对具有频域格式的经过清洁和还原的FFT数据440进行反变换，以将经过清洁和还原的FFT数据440转换为经过清洁和还原的时域数据460，这一数据可以直接在用户的应用471中使用，比如由音响装置播放。
如本领域普通技术人员理解的那样，前面介绍的过滤和还原程序可以应用于实时声信号的录制下来的记录和在线记录所对应的声音数据。
如图7中所示，按照一种示范性的配置，用来从声信号产生FFT数据的图6中的预处理器500包括两个主要步骤。按照本示范性实施例，首先，使用数据获取单元(DAU)55对具有模拟格式的声信号410进行采样并且将其数字化为数字化数据520。其次，通过快速傅里叶变换530将具有时域格式的数字化数据520变换为频域中的FFT数据420。本领域技术人员可以很好地理解前面的从声信号产生FFT数据的程序。对于本领域技术人员而言，数据获取单元也称为模数转换器。
动态过滤器640(图6)的核心是公式(2)、(3)和(4)。通过对记录中的各个采样逐个地应用公式(2)和(4)或(3)和(4)，可以从整个记录中消除掉记录的背景噪声。
对于给定的记录，在动态过滤器640对FFT数据420进行过滤之前，应当对动态过滤器进行调整，以便最优地将背景噪声与信号分离开。
"调整"动态过滤器就是要确定一个适当的百分点作为基本噪声百分点Pb，并且要针对公式(2)或(3)调节阈值因子Cth或者阈值升降因子Ce。由于在过滤时只使用公式(2)和(3)中的一个，并且调节阈值因子Cth和阈值升降因子Ce的程序是相同的。因此，为了简便起见，只选择了一个参数，阈值因子Cth，来举例说明调整程序。
图8给出了介绍调整动态过滤器640的示范性处理过程的高级流程图。在处理刚开始时，在动态过滤器调整中使用代表性的FFT数据421。选择代表性FFT数据421有两个主要方案。第一个，如果记录是记录下来的记录，则使用不同时刻在不同背景噪声大小的情况下记录的FFT数据作为代表性FFT数据421。第二个，如果要处理的是在线记录并且不能选择它在不同时刻的FFT数据，则使用记录开头处的某些FFT数据作为代表性FFT数据421。在这两种方案中，代表性FFT数据都是从要处理的记录中选取的。
下一个步骤610是确定"特定频率范围"。如前面所介绍的，特定频率范围是从中可以为给定记录内的所有采样容易地确定基本噪声百分点的频率范围。例如，在图5B的311A的(3001处的)频率范围3000-5000Hz内，可以肯定的是，低于第50个百分点(在3002处)，全部的数据点都是背景噪声。
如图5B的例子所表明的那样，对于给定的记录，在背景噪声占主导地位的频率范围内确定基本噪声百分点是比较容易的。因此，如果对于给定记录而言，存在背景噪声占主导地位的频率范围，则应当将其选作特定频率范围。否则，选择具有背景噪声数据点最高部分的频率范围作为特定频率范围。特定频率范围应当足够宽，以确保基本噪声百分点的值是稳定的。
相应地，检查代表性FFT数据421的采样，以发现背景噪声占主导地位的宽频率范围作为特定频率范围。如果这样的频率范围不存在，则选取具有背景噪声数据点最高部分的宽频率范围作为特定频率范围。
在步骤620，确定"基本噪声百分点"。如前面所定义的，"基本噪声百分点"是这样一个百分点：对于记录内的所有采样，幅度谱上的特定频率范围内低于该百分点的数据点可以毫无疑义地被视为噪声。为了最优地将背景噪声与信号分离开，"基本噪声百分点"将应当较高。不过，选取过高的"基本噪声百分点"会增大幅度较低的信号被视为背景噪声的可能性。也就是说，过高的值会导致过度过滤。
如较早之前介绍的，阈值因子Cth被用于将基本噪声百分点增大为较高程度的噪声截止点(见例如图5B)。由此，我们发现，冒险选取过高的基本噪声百分点是有害的。不过，选取过低的基本噪声百分点也是不利的，因为将会增大欠过滤的可能性。
总之，在步骤620，确定"基本噪声百分点"包括选取一条明显的分界线，对于代表性FFT数据421内所有采样，可以毫不迟疑地将所确定的"特定频率范围"内所有低于该分界线的数据点看作是背景噪声。例如，可以毫不迟疑且显而易见地将图5B上的第50个百分点3002看作是"基本噪声百分点"的良好候选对象。
当选取了"基本噪声百分点"时，比方说50％，为代表性FFT数据421内的各个采样评价所确定的"特定频率范围"内的"基本噪声百分点"的值。评价百分点值的方法对于本领域技术人员而言是很好理解的并且是公知的。然后，对于代表性FFT数据421内的各个采样，将所确定的"特定频率范围"内的数据点与为该采样评价的"基本噪声百分点"的值进行比较，看一看是否所有低于"基本噪声百分点"的值的数据点都被视为噪声数据，并且是否大部分噪声数据点低于"基本噪声百分点"的值。如果是，则接受所选取的"基本噪声百分点"作为真正的基本噪声百分点。
如果对于某些采样，某些低于"基本噪声百分点"的值的数据点不能视为噪声数据，而是信号数据，则"基本噪声百分点"太高了；应当将其从50％减小到45％。或者如果对于某些采样，大多数被认为是背景噪声的数据不低于"基本噪声百分点"的值，则"基本噪声百分点"太低了，并且应当将其增大。注意，在确定适当的"基本噪声百分点"时如果某些噪声数据点高于"基本噪声百分点"的值则是允许的，因为信号数据点将会由"动态幅度噪声截止点"与噪声数据点分离开，而"动态幅度噪声截止点"高于"基本噪声百分点"的值。
在步骤630，确定阈值因子Cth。如果使用公式(3)，则确定或以其它方式认定阈值升降因子Ce。因为认定这两个参数的程序是一样的，因此仅仅选取一个参数，阈值因子Cth，来举例说明该程序。
选取阈值因子Cth的初始值。可靠地，可以为给定采样由其基本噪声百分点和初始阈值因子评价相应的动态幅度噪声截止点。可以使用公式(4)对这个给定的采样进行过滤。
然后检验这个由公式(2)和(4)或公式(3)和(4)的组合定义的初始动态过滤器640的性能。在步骤655，可以通过用代表性FFT数据421内的各个采样使用图形(比如例如图5B的声谱311A图形)测试动态过滤器640来直接检查或以其它方式检验初始动态过滤器640，以直观检验动态幅度噪声截止点3003是否位于将背景噪声与信号最佳分离开的位置上。
而且或另外，可以通过使用初始动态过滤器640对代表性FFT数据421内的各个采样进行过滤以产生出经过清洁的FFT数据650来检验该初始动态过滤器640。然后在步骤700检验经过清洁的FFT数据650。
图9给出了介绍按照示范性实施例的检验步骤700的高级流程图。图9中经过清洁的FFT数据710是图8中的经过清洁的FFT数据650。经过清洁的FFT数据650在步骤720通过将其各个采样与原始的代表性FFT数据421的相应采样进行比较来直接检验，和/或由反快速傅里叶变换731变换为时域数据732。可以由收听装置733将时域数据732播放出来，并且然后在步骤735检验声音734。
再次参照图8，在检验700和/或图形检查655之后，在步骤660进行做出初始动态过滤器是否可接受的结论的评判。如果在步骤660不可接受，则动态过滤器需要回到步骤630通过调节阈值因子的值进行进一步调整。然后重复进行这些步骤直到步骤660。
如果在步骤660是可接受的，则在步骤670用新的一小组代表性FFT数据测试初始动态过滤器。"用新的FFT数据测试DF"670的程序与用代表性FFT数据421检验的程序一样。它是通过沿袭从645到660的步骤来完成，只不过是针对新的一组代表性FFT数据进行的。
如果在步骤680该测试是不可接受的，则我们需要通过重复从步骤620开始的程序来进一步调整动态过滤器640。如果在步骤680是可接受的，则对动态过滤器640进行调整并且可以将其毫不迟疑地将其应用于对记录进行过滤。
对于本文正在介绍的实例测试，在示范性麦克风记录和示范性加速度计记录中有超过51400个采样。在这51400个采样中，选择了不同时刻记录的三十个采样作为代表性FFT数据。从代表性FFT数据，确定了对于例如由图4A-图4D中的两个采样代表的麦克风记录，3000-4000Hz是适当的特定频率范围，对于例如由图5A-5C中的采样3A代表的加速度计记录，3000-5000Hz是适当的特定频率范围。可以很容易地从各个图中观察到，对于所有30个采样，对于麦克风和加速度计数据二者而言，特定频率范围内低于第50个百分点的所有数据点都是背景噪声。因此，将第50个百分点确定为用于麦克风记录和加速度计记录的基本噪声百分点。通过沿袭图8中从630向前的步骤，我们发现，对于麦克风和加速度计记录而言，阈值因子Cth的最佳值分别是1.4和1.3。现在为示例记录修订了公式(2)，即，为各个示例记录调整了动态过滤器。
图4B和图4D中的直线2001和2002分别标出了使用修订后的公式(2)分别为采样1M和2M计算出来的动态幅度噪声截止点；并且图5B中的直线3003标出了采样3A的动态幅度噪声截止点。
图10A-图10B表示使用调整后的公式(2)分别为部分示范性的麦克风和加速度计记录，麦克风的800M和加速度计的800A，得出的动态幅度噪声截止点。这些图还表示动态幅度噪声截止点随时间变化。如果使用的是恒定不变的噪声截止点，比如用于麦克风记录的垂直线8001和用于加速度计记录的垂直线8002，则恒定截止点左侧的任何采样都是过度过滤的，即，信号遭到了消除或抑制；并且恒定截止点右侧的任何采样都将是欠过滤的，即，噪声没有得到最大程度的或以其它方式最优的滤除。
如此一来，这些示范性的绘图表明采用恒定不变的幅度截止点通常会导致质量较差的过滤。因而，不能使用固定值作为噪声截止点。如果使用，会有相当于这样的假设：背景噪声的幅度对于给定记录内的所有采样都是一样的。不过，虽然经常进行这样的假设，但是这一假设并不是正当的假设。
此外，也不应单独使用一个百分点，例如第50个百分点，作为将噪声与数据分离开的噪声截止点。如果使用，会有相当于这样的假设：在特定频率范围内，噪声数据点的比例对于给定记录内的所有采样都是一样的。就是说，会有这样的假设：给定记录内的所有采样具有相同的错误数据点占比。这个假设也非正当的假定。
按照示范性实施例，我们可以安全且容易地发现一个百分点，"基本噪声百分点"，低于这个百分点的所有数据点都是噪声。于是噪声与信号数据点之间的最佳分离因子高于"基本噪声百分点"。经过调节(调整)的"阈值因子"于是会使得"动态幅度噪声截止点"成为噪声与信号数据点之间的最佳分离因子。由于对于给定记录内的各个采样，"基本噪声百分点"的值是从采样的数据评价的，即，是针对采样评价的，并且通过"动态幅度噪声截止点"被应用于该采样本身，因此这一实施例和其它实施例将背景噪声与信号最优地分离开。
如前面所介绍的，在传输和记录期间，声信号的高频分量可能比低频分量衰减得更严重。也就是说，衰减是频率的函数。图11的流程图包括用于还原被衰减信号的还原处理器930。还原处理器930包括下面的两个公式：
Afr_i＝Gi·Af_i公式(5)
Gi＝f(Fi),Gi≥1公式(6)
其中Afr_i是数据点i经过过滤和还原之后的幅度；
其中Af_i是采样的数据点i经过过滤之后的幅度；
其中无单位的G_i是施加于数据点i的增益；和
其中F_i是数据点i处的频率。
公式(6)是增益与和频率之间关系的一般形式，称为"增益函数"。为了还原遭到衰减的幅度，使用公式(5)对被衰减的幅度进行放大，以使用适当的增益最大程度地还原出被衰减的幅度。由于衰减是由频率决定的，因此如公式(6)所表明的，增益是由频率决定的。因为衰减取决于许多因素，比如传输声波的媒介、记录的环境和记录的装置，不胜枚举，所以对于不同的场景会有不同适宜形式的公式(6)。因此，在这个例子中给出的是通用的而不是专用形式的公式(6)。不过，在操作中，应当为特定场景确定或选择适当的专用形式，比如例如图12中所示的例子。
对于给定记录，动态幅度噪声截止点的值在采样与采样之间是变化的，但是对于给定采样是恒定不变的，即，按照公式(2)或(3)，对于给定采样，不会随着频率变化。不过，增益的值会随着频率变化，而与采样无关；即，对于部分或整个记录，增益函数是恒定不变的。当增益函数，公式(6)，被看成对于给定记录是固定不变的时，可以使用还原处理器930来还原被衰减的信号。也就是说，为了还原记录，按顺序逐一地对各个采样应用公式(5)，直到记录中的所有采样都得到还原。
对于给定记录，在可以应用还原处理器930之前，要确定或选择增益函数(公式(6))并且对其进行最佳调整。图11是图解说明确定/认定或选择并且然后调整增益函数的逐步程序的高级流程图。选择一些代表性的经过清洁的FFT数据431并且将它们用在调整该程序的过程中。选择代表性的经过清洁的FFT数据431有两个方案。第一个，如果记录是记录下来的记录，则使用不同时刻在不同背景噪声大小的情况下记录的经过清洁的FFT数据作为代表性的经过清洁的FFT数据431。第二个，如果正在基本上实时地处理在线记录，并且因此不能轻易地选择它在基本上不同时刻的FFT数据，则使用记录开头处的某些经过清洁的FFT数据作为代表性的经过清洁的FFT数据431。注意，应当清楚，代表性的经过清洁的FFT数据是从要处理的记录自身中选择的，而不管该记录是否之前保存过或当前正被接收和处理。
下一个步骤910是创建适当的"增益函数"或从数据库990中选择预先创建的增益函数。例如，图12中的图形100M是在应用于本例中的麦克风记录时被认为满足要求的示范性增益函数。在频率范围1200-2800Hz(在1010处)内，对于这个特定的函数，增益是频率的幂函数。
就象大多数函数一样，增益函数中可以有一些参数。步骤920请求对增益函数参数进行调整。当最初开始调节这些参数时，结果是由公式(5)和增益函数(公式6)组成的初始还原处理器930。此后，使用初始还原处理器930对代表性的经过清洁的FFT数据431内的各个采样进行处理，以产生出经过还原的FFT数据940。
然后在步骤700对经过还原的FFT数据940进行检验。图9中示出了检验700的细节，不过在图11中是用经过还原的FFT数据940替换了图9中经过清洁的FFT数据710。经过还原的FFT数据940在步骤720通过将其各个采样与代表性的经过清洁的FFT数据431的相应采样进行比较来直接检验，和/或由反快速傅里叶变换731变换为时域数据732。可以由收听装置733将时域数据732播放出来，并且可以在步骤735检验声音734。
在检验之后，在步骤950进行得出还原处理器930是否可接受的结论的判决。如果不是可接受的，则从步骤910开始重复该程序。如果否则认为是可接受的，则在步骤960用一些新的经过清洁的FFT数据测试还原处理器930。注意，步骤960的用于"用新的经过清洁的FFT数据对还原处理器进行测试"的程序本质上是与用代表性的经过清洁的FFT数据431进行检验的程序一样的；通过执行步骤930到700来完成该程序。
在检验之后，在步骤970进行得出还原处理器930是否仍然被认为可接受的结论的判决。如果不是可接受的，则从步骤910开始重复该程序。如果是可接受的，则判定或以其它方式确定并调整还原处理器930，并且可以应用该还原处理器930来处理整个记录。
在测试并接受了还原处理器930之后，如果重新创建了增益函数(步骤980)，则将其保存(步骤985)在增益函数数据库990中以供将来使用。
用实例记录的真实数据进行测试。将本发明的示范性实施例应用于之前认定的实例记录，以测试本文介绍的原理和方法。因为可以认为由加速度计记录的信号未受衰减，并且认为由麦克风记录的信号遭到了衰减，所以将来自麦克风的信号与来自加速度计的对应信号进行比较，以认定实际的衰减量。仅仅对加速度计记录进行过滤，并且先对麦克风记录进行过滤且然后对衰减进行还原。
为了测试的目的，使用麦克风记录和加速度计记录中51400个采样中的30个来调整动态过滤器，以创建增益函数(公式6)。前面讨论了介绍动态过滤器调整过程的例子。使用图11中定义的程序成功创建了增益函数。图12中示出了所创建的增益函数。利用经过调整的动态过滤器640和还原处理器930，应用按照本发明的示范性实施例的方法来处理记录。对于某些代表性采样的结果被展示在图13A-图17B中。
图13A-图13E表示在声音的相同时间范围内分别由麦克风和加速度计记录的采样1M和1A所对应的原始FFT采样数据和经过过滤和还原的结果。原始FFT采样数据分别由图13A和13B中的谱110M和110A代表。谱111M(图13C)是与110M一样的谱，但是具有对数纵轴。直线2001(图13C)和1102(图13B)是分别为谱110M和110A评价的动态幅度噪声截止点。谱112M(图13D)是110M经过过滤和还原之后的处理结果。谱111A(图13E)是110A经过过滤之后的处理结果。110M(图13A)与112M(图13D)之间，110A(图1B)与111A(图13E)之间的比较表明在过滤之后已经有效且最佳地除掉了背景噪声。112M的幅度谱几乎与的111A的幅度谱相同，这意味着不仅110M的背景噪声被有效且最佳地消除了，而且被衰减的高频分量也得到了恰当的还原。
图14A-图14E表示在声音的相同时间范围内分别由麦克风和加速度计记录的采样2M和2A所对应的原始FFT采样数据和经过过滤和还原的结果。谱220M和220A举例说明了原始的FFT采样数据。谱221M与谱220相同，只是具有对数纵轴。直线2002和1202代表分别为220M和220A评价的动态幅度噪声截止点。谱222M是220M经过过滤和还原之后的处理结果。谱221A是220A经过过滤之后的处理结果。220A与221A之间的比较表明在经过过滤之后背景噪声已经被有效且最佳地除掉了。如前面所讨论的，对于本例中使用的麦克风记录，由麦克风记录的频率大于3500Hz的幅度谱分量被衰减到了与背景噪声相同的程度。因此，只有频率小于3500Hz的分量可以得到还原。谱222M(图14D)与221A(图14E)之间的比较表明在3500Hz之前222M的幅度谱几乎与221A的幅度谱相同。这意味着不仅220M的背景噪声被有效且最佳地消除了，而且可还原的被衰减高频分量也得到了恰当的还原。
图15A-图15D表示针对两个采样使用本文介绍的示范性动态幅度噪声截止点处理得到的处理结果与使用传统的恒定幅度噪声截止方法得到的处理结果之间的比较。幅度谱112M(图15A)是与图13A中的采样1M对应的使用示范性动态幅度噪声截止点处理进行了过滤和还原的谱。幅度谱113M(图15C)是与采样1M对应的使用恒定噪声截止点处理进行了过滤和还原的谱。幅度谱222M(图15B)是与图14A中的采样2M对应的使用示范性处理进行了过滤和还原的谱。谱223M(图15D)是与采样2M对应的使用恒定噪声截止点处理进行了过滤和还原的谱。用于这两个采样的恒定噪声截止点是位于图4B和4D中2000处的截止点。
如由图15C中结果得到的幅度谱113M在1301处所示，因为采样1M的幅度谱示意图111M上的两个峰值点1005和1006(图4B)低于恒定截止点2000(图4B，图4D)，所以在应用恒定截止点的时候这两个峰值点被除掉了。当与使用示范性动态幅度噪声截止点处理进行了处理的谱112M(图15A)比较时，还有1301处的虚线矩形内紧挨在两个被除掉的峰值点前面的另一个峰值点也得到了严重抑制。
在谱221M(图4D)中，背景噪声2003高于恒定噪声截止点2000(图4D)。因此，背景噪声不会得到有效滤除，即，欠过滤。结果，欠过滤的噪声在还原程序期间被放大，如由谱223M(图15D)上被过度还原的峰值点和欠过滤且被放大的噪声1302所示。
图16A-图16B分别表示与部分加速度计记录对应的原始数据140A(多个采样)和过滤后的结果141A。这部分记录覆盖了超过三个小时的记录时段并且由2300个采样组成。纵轴是采样的时间，横轴是采样的频率。各个频率的幅度值用色别法表示。在窄的水平频带上标绘出了由原始采样数据对应的310A和过滤后的结果对应的312A代表的各个采样的幅度谱。
幅度谱示意图140A和141A是沿着时间轴连续标绘在一起的全部采样的结果。也就是说，示意图140A和141A是采样组对应的幅度谱，水平线310A和312A是单个采样对应的幅度谱。原始幅度谱140A与经过过滤的幅度谱141A之间的比较表明原始数据140A的污点(背景噪声)得到了有效且最佳的清除并且经过过滤的幅度谱曲线图141A更为清洁。
图17A和图17B分别表示原始数据150M和使用本发明的示范性实施例对部分麦克风记录进行了过滤和还原之后的结果151M。记录时间段与图16A和图16B中的记录时间段相同。也就是说，图16A和17A是同样声音采样的记录，只是使用不同装置记录的。麦克风记录的高频分量明显衰减。图16A中的谱曲线图140A与图17A中的谱曲线图150M之间的比较表明，麦克风记录的大部分高频(>1500Hz)分量衰减得过低，以致无法识别。不过，经过过滤和还原之后，这些极度衰减的高频分量得到了很好的还原，如谱曲线图151M(图17B)中所示。麦克风记录151M的经过过滤和还原的谱(图17b)几乎与加速度计记录141A的经过过滤的谱(图16B)相同。这证明所公开的发明工作得非常有效和令人满意。
总之，图13A-图17B中所示的例子证明按照本发明的一个或多个示范性实施例的原理、处理和程序具有有效且最佳地滤除背景噪声的能力和将遭到衰减的高频分量几乎还原为它们的真实值的能力。
有很重要的一点要注意，虽然本发明的实施例是以完整功能系统/设备的背景环境来加以介绍的，但是本领域技术人员将会意识到，本发明的至少一些部分的机理和/或其各个方面能够以存储/包含或者以其它方式收录了用来在一个或多个处理器之类上运行的具有各种不同形式的指令的非暂时性计算机可读取介质的形式被发布，并且本发明的实施例可以不管用于实际执行该发布的媒体的具体类型，同样地应用。非暂时性计算机可读介质或媒介被理解为含义包括不落在不可授权主题的范畴之内的所有形式的计算机可读存储媒介，或者特别是可以采取传播信号本身的形式。非暂时性计算机可读介质的例子包括但不局限于：非易失性的、固定编码型的媒介(比如只读存储器(ROM)、CD-ROM、或者可擦除的可用电程控的只读存储器(EEPROM))、可读性媒介(比如软盘、硬盘驱动器、CD-R/RW、DVD-RAM、DVD-R/RW、DVD+R/RW、HD-DVD、记忆棒、迷你盘、激光盘、蓝光盘、闪存驱动器)和其它类型的存储器，并且在某些情形下，包括能够存储/包含或以其它方式收录指令的传输型媒介(比如数字和模拟通信链路)。例如，这样的媒介可以存储或以其它方式包含与前面介绍的计算机程序/程序代码51和方法步骤所关联的操作相关的操作指令和运行指令。
本申请是2013年9月12日提交的名称为《DynamicThresholdMethods,Systems,andProgramCodeforFilteringNoiseandRestoringAttenuatedHigh-FrequencyComponentsofAcousticSignals》的美国临时专利申请第61/877117号的非临时申请并且要求该临时申请的优先权，该临时申请以引用的方式整体并入本文。
在附图和说明书中，已经公开了本发明的典型优选实施例，不过尽管采用了专用术语，这些术语仅仅是从说明的角度使用的并且并非用来限定本发明。具体参照这些举例说明的实施例非常详细地介绍了本发明。不过，将会意识到，在前面的说明书中介绍的本发明的思想和范围之内，可以进行各种不同的改造和改变。

Claims (62)

1.一种在声信号(410)中滤除噪声和还原被衰减的谱分量的方法，该方法的特征在于以下步骤：
对一个或多个声记录中的各个记录执行步骤：
动态过滤各记录的具有频域格式的多个原始数据采样中的各个采样，以消除或衰减其中包含的背景噪声，从而产生出相应的多个经过清洁的数据采样，
所述多个原始数据采样是由各记录的相应多个声信号采样、被从时域格式变换为频域格式而产生的，
各个原始数据采样包括采样专属声信号数据和采样专属背景噪声，
多个原始数据采样中的各个单独的原始数据采样的采样专属背景噪声是由应用于多个原始数据采样中的每一个的记录专属动态过滤器(640)消除或衰减的，以产生出相应的多个经过清洁的数据采样，
所述记录专属动态过滤器(640)至少部分地由动态幅度噪声截止点(Ath)限定，
动态幅度噪声截止点(Ath)是由记录专属基本噪声百分点(Pb)和记录专属阈值参数值(Cth)限定的，
对于各记录的多个原始数据采样中的每一个，记录专属基本噪声百分点(Pb)都是相同的，
对于各记录的多个原始数据采样中的每一个，阈值参数值(Cth)都是相同的，和
动态幅度噪声截止点(Ath)是为各记录的多个原始数据采样中的各个单独的原始数据采样分别单独评价并单独应用的。
2.按照权利要求1所述的方法，其中多个经过清洁的数据采样中的各个单独的经过清洁的数据采样中包含的采样专属声信号数据包括受到严重衰减的高频分量，该方法的特征进一步在于步骤：
对经过清洁的数据采样的被衰减的高频分量进行还原，从而产生出处于频域中的经过清洁和还原的数据采样；和
应用反变换，将经过清洁和还原的数据采样转换为时域数据格式的经过清洁和还原的数据采样(732)。
3.按照权利要求1或2中任何一项所述的方法，其中采样专属背景噪声是随时间变化的，并且其中动态过滤器(640)是经过调整的动态过滤器(640)，该方法的特征进一步在于调整初始的记录专属动态过滤器(640)以形成经过调整的动态过滤器(640)的步骤，调整的步骤包括下列步骤：
为一个或多个记录中的各个单个记录确定记录专属基本噪声百分点，记录专属基本噪声百分点包括单个记录的多个原始数据采样中每一个的幅度谱的记录专属特定频率范围内的第K个百分点，单个记录的多个原始数据采样中的每一个各自的幅度谱的特定频率范围内低于所述百分点的各个频率分量都被视为具有充分确定性的背景噪声；和
确定记录专属阈值参数值，记录专属阈值参数包括下列之一：要与记录专属基本噪声百分点相乘的阈值因子和要被加到记录专属基本噪声百分点上的阈值升降因子，从而确定要被单独应用到多个原始数据采样中的每一个的动态幅度噪声截止点的值。
4.按照权利要求1-3中任何一项所述的方法，其中动态过滤器(640)是经过调整的动态过滤器(640)，该方法的特征进一步在于调整初始的记录专属动态过滤器(640)的步骤，调整的步骤包括下列步骤：
接收或取得一个或多个记录中各记录的多个原始数据采样的子集；
为各记录选择记录专属特定频率范围；
为各记录选择记录专属基本噪声百分点；
为各记录选择记录专属阈值参数的值；
为各记录确定动态幅度噪声截止点，动态幅度噪声截止点由所选择的基本噪声百分点和所选择的记录专属阈值参数值限定；和
对从多个原始数据采样中提取的一组代表性数据采样中的一个或多个采样评价至少部分由动态幅度噪声截止点限定的初始动态过滤器(640)的结果，从而构造经过调整的动态过滤器(640)。
5.按照权利要求1-4中任何一项所述的方法，其中采样专属背景噪声是随时间变化的，并且其中动态过滤器(640)是经过调整的动态过滤器(640)，该方法的特征进一步在于调整初始的记录专属动态过滤器(640)以形成经过调整的动态过滤器(640)的步骤，调整的步骤包括下列步骤：
接收或取得一个或多个记录中各单个记录的多个原始数据采样的子集；其中：
如果单个的记录是记录下来的记录，则执行取得在实质上不同的时刻记录的具有不同的背景噪声大小的多个原始数据采样的子集的步骤，从而定义一组代表性FFT数据采样(421)；和
如果单个记录是待处理的在线记录并且无法选择实质上不同时刻的原始数据采样，则执行接收该单个记录的开端处的多个原始数据采样的子集的步骤，从而定义一组代表性FFT数据采样(421)。
6.按照权利要求1-5中任何一项所述的方法，其中采样专属背景噪声是随时间变化的，并且其中动态过滤器(640)是经过调整的动态过滤器(640)，该方法的特征进一步在于调整初始的记录专属动态过滤器(640)以形成经过调整的动态过滤器(640)的步骤，调整的步骤包括下列步骤：
为一个或多个记录中的单个记录选择特定频率范围，特定频率范围由包含背景噪声占主导地位的频率分量的一组代表性FFT数据采样(421)中的各个采样共有的频率范围限定，或者如果没有频率范围是由背景噪声占主导地位的，则特定频率范围由包含的背景噪声占比比该组代表性FFT数据采样(421)的其它基本上连续的频率范围高的该组代表性FFT数据采样的各个采样共有的频率范围限定。
7.按照权利要求6所述的方法，其中记录专属基本噪声百分点是运算上的记录专属基本噪声百分点，该方法的特征进一步在于下列步骤：
为一个或多个记录中的单个记录选择初始的基本噪声百分点，包括认定明显的分割幅度，对于该组代表性FFT数据采样(421)内的各个采样，所选择的特定频率范围内至少接近全部低于该分割幅度的频率分量是背景噪声。
8.按照权利要求1-7中任何一项所述的方法，其中记录专属基本噪声百分点是运算上的记录专属基本噪声百分点，其中动态过滤器(640)是记录专属的经过调整的动态过滤器(640)，该方法的特征进一步在于调整备选的记录专属动态过滤器(640)以形成记录专属的经过调整的动态过滤器(640)的步骤，调整的步骤包括下列步骤：
为一个或多个记录中的单个记录选择初始的基本噪声百分点，
为一个或多个记录中的单个记录选择阈值参数的初始值；
为阈值参数认定初始值；
确定初始的动态幅度噪声截止点，初始的动态幅度噪声截止点由所选择的初始基本噪声百分点和所选择的阈值参数初始值限定；和
用一组代表性FFT数据采样(421)内的一个或多个采样评价初始的动态幅度噪声截止点。
9.按照权利要求8所述的方法，其中原始数据采样是原始FFT数据采样(420)，其中经过清洁的数据采样是经过清洁的FFT数据采样(430)，并且其中用该组代表性FFT数据采样(421)内的一个或多个采样评价初始的动态幅度噪声截止点的步骤包括下列步骤中的一个或多个：
以图形方式评价该组代表性FFT数据采样(421)内的一个或多个采样的动态幅度噪声截止点的幅度位置；和
用该组代表性FFT数据采样(421)内的一个或多个采样评价至少部分由初始动态幅度噪声截止点限定的初始动态过滤器(640)的结果，包括：
确定初始的动态过滤器(640)，
执行该组代表性FFT数据(421)内的一个或多个采样的初始动态过滤，从而产生出相应的一个或多个经过清洁的FFT数据采样(430)，和
通过将各个单个的经过清洁的FFT数据采样(430)与其相应的原始FFT数据采样(420)进行比较，用图形方式直接检验经过清洁的FFT数据采样(430)中的一个或多个，从而确定初始的动态过滤器(640)是否是可接受的，或者是否需要进一步调整。
10.按照权利要求8或9中任何一项所述的方法，其中原始数据采样是原始FFT数据采样(420)，其中经过清洁的数据采样是经过清洁的FFT数据采样(430)，并且其中用一组代表性FFT数据采样(421)内的一个或多个采样评价初始的动态幅度噪声截止点的步骤，特征在于下列步骤：
用该组代表性FFT数据采样(421)内的一个或多个采样评价至少部分由初始动态幅度噪声截止点限定的初始动态过滤器(640)的结果，包括：
确定初始的动态过滤器(640)，
执行该组代表性FFT数据(421)内的一个或多个采样的初始动态过滤，从而产生出相应的一个或多个经过清洁的FFT数据采样(430)，和
检验与一个或多个经过清洁的FFT数据采样(430)相对应的一个或多个时域数据采样(732)，包括：
对一个或多个经过清洁的FFT数据采样(430)进行反FFT，从而将经过清洁的FFT数据(430)变换为时域格式，从而产生出一个或多个时域数据采样(732)，和
使用收听装置(733)产生与一个或多个时域数据采样(732)相应的声音，从而确定初始的动态过滤器(640)是否是可接受的或者是否需要进一步调整。
11.按照权利要求8-10中任何一项所述的方法，其中用一组代表性FFT数据采样(421)内的一个或多个采样评价初始的动态幅度噪声截止点的步骤包括下列步骤：
用该组代表性FFT数据采样(421)内的一个或多个采样评价至少部分由初始动态幅度噪声截止点限定的初始动态过滤器(640)的结果；和
对评价初始动态过滤器(640)的结果的步骤执行下列响应：
如果初始动态过滤器(640)的结果不是可接受的，重复步骤：调节阈值因子，从而沿着校正的方向移动动态幅度噪声截止点，并且评价经过调节的初始动态过滤器(640)的结果，直到可接受，和
如果初始动态过滤器(640)的评价结果是可接受的，则用第二组代表性FFT数据采样(421)评价初始的动态过滤器(640)。
12.按照权利要求1-11中任何一项所述的方法，其中多个经过清洁的数据采样中的各个单独的经过清洁的数据采样中包含的采样专属声信号数据包括受到严重衰减的高频分量，该方法的特征进一步在于步骤：
对一个或多个记录的各个单个记录的经过清洁的数据采样的被衰减的高频分量进行还原，从而产生出处于频域中的经过清洁和还原的数据采样；
还原的步骤是通过应用至少部分由经过清洁的数据采样的一部分和增益函数定义的记录专属还原处理器(930)执行的。
13.按照权利要求12所述的方法，其中经过清洁的数据采样是经过清洁的FFT数据采样(430)，该方法的特征进一步在于执行下列之一的步骤：
如果经过清洁的FFT数据采样(430)是这样存储的：能够以实质上不同的时间间隔选取多个经过清洁的FFT数据采样(430)的子集，则取得代表以实质上不同的时间记录的具有可能不同的背景噪声大小的信号的采样的多个经过清洁的FFT数据采样(430)中的一个子集，从而定义在创建或选择增益函数和形成记录专属还原处理器(930)时使用的一组代表性的经过清洁的FFT数据采样(431)；和
如果经过清洁的FFT数据采样(430)是以流的方式在线提供的，从而无法以本质上不同的时间间隔选择多个经过清洁的FFT数据采样(430)的子集，则接收单个记录的开端处的多个经过清洁的FFT数据采样(430)的子集，从而定义在创建或选择增益函数和形成还原处理器(930)时使用的一组代表性的经过清洁的FFT数据采样(431)。
14.按照权利要求12或13中任何一项所述的方法，其中经过清洁的数据采样是经过清洁的FFT数据采样(430)，并且其中记录专属还原处理器(930)是运算上的记录专属还原处理器(930)，该方法的特征进一步在于下列步骤：
为一个或多个记录中的单个记录选择初始的还原处理器(930)，包括：
从多个经过清洁的FFT数据采样(430)中选择一组代表性的经过清洁的FFT数据采样(431)；
响应于该代表性的经过清洁的FFT数据采样(431)创建或从数据库(43)中选择增益函数；
调节增益函数的参数，从而形成初始的还原处理器(930)；
由至少部分由增益函数定义的初始还原处理执行该组代表性的经过清洁的FFT数据采样(431)内的一个或多个采样的初始还原处理，从而产生出一组经过还原的FFT数据采样(440)内的相应的一个或多个经过还原的采样；和
评价初始还原处理器(930)。
15.按照权利要求14所述的方法，还包括响应于评价初始还原处理器(930)的步骤执行下列步骤之一的步骤：
如果初始还原处理器(930)的结果不是可接受的，重复步骤：创建或选择定义替换增益函数的新的增益函数，调节替换增益函数的参数，从而调节初始的还原处理器(930)，并且评价经过调节的初始还原处理器(930)的结果，直到可接受；和
如果初始还原处理器(930)的评价结果是可接受的，则用多个经过清洁的FFT数据采样(430)的第二个子集评价初始还原处理器(930)。
16.按照权利要求14或15中任何一项所述的方法，其中评价初始还原处理器(930)的步骤包括步骤：
以图形的方式将该组经过还原的FFT数据采样(440)的各个采样与其相应的经过清洁的FFT数据采样(430)进行比较。
17.按照权利要求14-16中任何一项所述的方法，其中评价初始还原处理器(930)的步骤包括步骤：
检验与该组经过还原的FFT数据采样(440)的一个或多个采样相对应的一个或多个时域数据采样(732)，包括：
对一个或多个经过还原的FFT数据采样(440)进行反FFT，从而将经过还原的FFT数据(440)变换为时域格式，从而产生出一个或多个时域数据采样(732)，和
使用收听装置(733)产生与一个或多个时域数据采样(732)相对应的声音。
18.一种在声信号(410)中滤除噪声和还原被衰减的谱分量的方法，该方法的特征在于以下步骤：
在预先选定的持续时间内接收或取得声信号(410)，以形成声信号(410)的一个或多个记录，该声信号(410)处于时域内；
对于一个或多个记录中的各个记录：
对单个记录内的声信号(410)进行采样，从而形成经过采样的数字化数据(520)，经过采样的数字化数据(520)包括具有时域格式的多个原始数据采样，
应用快速傅里叶变换(FFT)，以将具有时域格式的单个记录的多个原始数据采样转换为具有频域格式的多个原始FFT数据采样(420)，各个原始FFT数据采样(420)包括采样专属声信号数据和采样专属背景噪声，采样专属声信号数据有受到严重衰减的高频分量，
动态过滤单个记录的多个原始数据采样(420)中的各个采样，以消除或衰减其中包含的背景噪声，从而产生出相应的多个经过清洁的FFT数据采样(430)，
多个原始FFT数据采样(420)中的各个单独的采样的采样专属背景噪声是由应用于多个原始FFT数据采样(420)中的每一个的记录专属动态过滤器(640)消除或衰减的，以产生出相应的多个经过清洁的FFT数据采样(430)，
各个经过清洁的FFT数据采样(430)包括具有受到严重衰减的高频分量的采样专属声信号数据，
所述记录专属动态过滤器(640)至少部分地由动态幅度噪声截止点限定，
动态幅度噪声截止点由下列定义：
为多个原始FFT数据采样(430)中的每一个评价的记录专属基本噪声百分点，和
记录专属的阈值参数值；
对经过清洁的数据采样的被衰减的高频分量进行还原，从而产生出处于频域中的经过清洁和还原的数据采样，还原的步骤是通过应用至少部分由经过清洁的数据采样的一部分和增益函数定义的记录专属还原处理器(930)执行的；和
应用反变换，将经过清洁和还原的数据采样转换为时域数据格式的经过清洁和还原的数据采样(732)。
19.按照权利要求18所述的方法，其中采样专属背景噪声是随时间变化的，并且其中动态过滤器(640)是经过调整的记录专属动态过滤器(640)，该方法的特征进一步在于调整初始的记录专属动态过滤器(640)以形成经过调整的记录专属动态过滤器(640)的步骤，调整的步骤包括对一个或多个记录中的各个记录执行下列步骤：
确定记录专属基本噪声百分点，该记录专属基本噪声百分点包括单个记录的多个原始数据采样中每一个的幅度谱的记录专属特定频率范围内的第K个百分点，单个记录内的多个原始数据采样中的每一个各自的幅度谱的特定频率范围内低于所述百分点的各个频率分量都被视为具有充分确定性的背景噪声；和
确定记录专属阈值参数值，记录专属阈值参数包括下列之一：
要与记录专属基本噪声百分点相乘的阈值因子，用以确定要被单独应用到多个原始数据采样中的每一个的动态幅度噪声截止点的值，和
要被加到记录专属基本噪声百分点的阈值升降因子，用以确定要被单独应用到多个原始数据采样中的每一个的动态幅度噪声截止点的值。
20.按照权利要求18或19中任何一项所述的方法，其中动态过滤器(640)是经过调整的动态过滤器(640)，该方法的特征进一步在于调整记录专属动态过滤器(640)的步骤，调整的步骤包括下列步骤：
接收或取得一个或多个记录中各单个记录的多个原始数据采样的子集，其中：
如果单个的记录是记录下来的记录，则执行取得在实质上不同的时刻记录的具有不同的背景噪声大小的多个原始数据采样的子集的步骤，从而定义一组代表性FFT数据采样(421)，和
如果单个记录是待处理的在线记录并且无法选择实质上不同时刻的原始数据采样，则执行接收该单个记录的开端处的多个原始数据采样的子集的步骤，从而定义一组代表性FFT数据采样(421)；
为一个或多个记录中的单个记录选择特定频率范围，特定频率范围由包含背景噪声占主导地位的频率分量的一组代表性FFT数据采样(421)中的各个采样共有的频率范围限定，或者如果没有频率范围是由背景噪声占主导地位的，则特定频率范围由包含的背景噪声占比比该组代表性FFT数据采样(421)的其它基本上连续的频率范围高的该组代表性FFT数据采样的各个采样共有的频率范围限定；
为一个或多个记录中的单个记录选择初始的基本噪声百分点，包括认定明显的分割幅度，对于该组代表性FFT数据采样(421)内的各个采样，所选择的特定频率范围内至少接近全部低于该分割幅度的频率分量是背景噪声；
为单个记录选择记录专属阈值参数的初始值；
为各记录确定动态幅度噪声截止点，动态幅度噪声截止点由所选择的基本噪声百分点和所选择的记录专属阈值参数值限定；和
用从多个原始数据采样中提取的一组代表性数据采样中的一个或多个采样评价至少部分由动态幅度噪声截止点限定的初始动态过滤器(640)的结果，从而构造经过调整的动态过滤器(640)。
21.按照权利要求20所述的方法，其中用该组代表性FFT数据采样(421)内的一个或多个采样评价初始动态过滤器(640)的步骤包括下列步骤中的一个或多个：
以图形方式评价该组代表性FFT数据采样(421)内的一个或多个采样的动态幅度噪声截止点的幅度位置；和
用该组代表性FFT数据采样(421)内的一个或多个采样评价至少部分由初始动态幅度噪声截止点限定的初始动态过滤器(640)的结果，包括：
确定初始的动态过滤器(640)，
执行该组代表性FFT数据(421)内的一个或多个采样的初始动态过滤，从而产生出相应的一个或多个经过清洁的FFT数据采样(430)，和
通过将各个单个的经过清洁的FFT数据采样(430)与其相应的原始FFT数据采样(420)进行比较，用图形方式直接检验经过清洁的FFT数据采样(430)中的一个或多个，从而确定初始的动态过滤器(640)是否是可接受的，或者是否需要进一步调整；
如果初始动态过滤器(640)的结果不是可接受的，重复步骤：调节阈值因子，以沿着校正的方向移动动态幅度噪声截止点，得到经过调节的初始动态过滤器(640)，并且评价经过调节的初始动态过滤器(640)的结果，直到可接受；和
如果初始动态过滤器(640)的评价结果是可接受的，则用第二组代表性FFT数据采样(421)评价初始的动态过滤器(640)。
22.按照权利要求20或21中任何一项所述的方法，其中原始数据采样是原始FFT数据采样(420)，其中经过清洁的数据采样是经过清洁的FFT数据采样(430)，并且其中用一组代表性FFT数据采样(421)内的一个或多个采样评价初始的动态幅度噪声截止点的步骤包括下列步骤：
用该组代表性FFT数据采样(421)内的一个或多个采样评价至少部分由初始动态幅度噪声截止点限定的初始动态过滤器(640)的结果，包括：
确定初始的动态过滤器(640)，
执行该组代表性FFT数据(421)内的一个或多个采样的初始动态过滤，从而产生出相应的一个或多个经过清洁的FFT数据采样(430)，和
检验与一个或多个经过清洁的FFT数据采样(430)相对应的一个或多个时域数据采样(732)，包括：
对一个或多个经过清洁的FFT数据采样(430)进行反FFT，从而将经过清洁的FFT数据(430)变换为时域格式，从而产生出一个或多个时域数据采样(732)，和
使用收听装置(733)产生与一个或多个时域数据采样(732)相对应的声音，从而确定初始的动态过滤器(640)是否是可接受的或者是否需要进一步调整；
如果初始动态过滤器(640)的结果不是可接受的，重复步骤：调节阈值因子，从而沿着校正的方向移动动态幅度噪声截止点，并且评价替换初始动态过滤器(640)的结果，直到可接受；和
如果初始动态过滤器(640)的评价结果是可接受的，则用第二组代表性FFT数据采样(421)评价初始的动态过滤器(640)。
23.按照权利要求18-20中任何一项所述的方法，该方法的特征进一步在于执行下列之一的步骤：
如果经过清洁的FFT数据采样(430)是这样存储的：能够以实质上不同的时间间隔选取多个经过清洁的FFT数据采样(430)的子集，则执行取得代表以实质上不同的时间记录的具有可能不同的背景噪声大小的信号的采样的多个经过清洁的FFT数据采样(430)中的一个子集的步骤，从而定义在创建或选择增益函数和形成记录专属还原处理器(930)时使用的一组代表性的经过清洁的FFT数据采样(431)；和
如果经过清洁的FFT数据采样(430)是以流的方式在线提供的，从而无法以本质上不同的时间间隔选择多个经过清洁的FFT数据采样(430)的子集，则执行接收单个记录的开端处的多个经过清洁的FFT数据采样(430)的子集的步骤，从而定义在创建或选择增益函数和形成记录专属还原处理器(930)时使用的一组代表性的经过清洁的FFT数据采样(431)。
24.按照权利要求18-23中任何一项所述的方法，其中记录专属还原处理器(930)是运算上的记录专属还原处理器(930)，该方法的特征进一步在于下列步骤：
为一个或多个记录中的单个记录选择初始的还原处理器(930)，包括：
从多个经过清洁的FFT数据采样(430)中选择一组代表性的经过清洁的FFT数据采样(431)；
响应于该代表性的经过清洁的FFT数据采样(431)创建或从数据库(43)中选择增益函数；
调节增益函数的参数，从而形成初始的还原处理器(930)；
由至少部分由增益函数定义的初始还原处理执行该组代表性的经过清洁的FFT数据采样(431)内的一个或多个采样的初始还原处理，从而产生出一组经过还原的FFT数据采样(440)内的相应的一个或多个经过还原的采样；
评价初始还原处理器(930)；和
响应于评价初始还原处理器(930)的步骤执行下列步骤集合之一的步骤：
如果初始还原处理器(930)的结果不可接受，则重复创建或选择定义替换增益函数的新增益函数、调节替换增益函数的参数和评价替换初始还原处理器(930)的结果的步骤，直到可接受，和
如果初始还原处理器(930)的评价结果是可接受的，则用多个经过清洁的FFT数据采样(430)的第二个子集评价初始还原处理器(930)。
25.按照权利要求24所述的方法，其中评价初始还原处理器(930)的步骤包括下列步骤中的一个或多个：
以图形的方式将该组经过还原的FFT数据采样(440)的各个采样与其相应的经过清洁的FFT数据采样(430)进行比较；和
检验与该组经过还原的FFT数据采样(440)的一个或多个采样相对应的一个或多个时域数据采样(732)，包括：对一个或多个经过还原的FFT数据采样(440)进行反FFT，从而将经过还原的FFT数据(440)变换为时域格式，从而产生出一个或多个时域数据采样(732)，和使用收听装置(733)产生与一个或多个时域数据采样(732)相对应的声音。
26.一种在声信号(410)中滤除噪声和还原被衰减的谱分量的方法，该方法的特征在于以下步骤：
在预先选定的持续时间内接收或取得声信号(410)，以形成声信号(410)的一个或多个记录，该声信号(410)处于时域内；和
对于一个或多个记录中的各个记录：
对单个记录内的声信号(410)进行采样，从而形成经过采样的数字化数据(520)，经过采样的数字化数据(520)包括具有时域格式的多个原始数据采样，
应用快速傅里叶变换(FFT)，以将具有时域格式的单个记录的多个原始数据采样转换为具有频域格式的多个原始FFT数据采样(420)，各个原始FFT数据采样(420)包括在单个记录的原始FFT数据采样(420)间有变化的采样专属声信号数据和采样专属背景噪声，采样专属声信号数据具有受到严重衰减的高频分量，
调整至少部分由初始动态幅度噪声截止点定义的初始记录专属动态过滤器(640)，该初始动态幅度噪声截止点由初始记录专属基本噪声百分点和初始记录专属阈值参数值限定，以形成用来应用于多个原始数据采样的各个原始FFT数据采样(420)的经过调整的记录专属动态过滤器(640)，包括：
确定初始记录专属基本噪声百分点，该初始记录专属基本噪声百分点包括单个记录的多个原始FFT数据采样(420)中每一个的幅度谱的记录专属特定频率范围内的第K个百分点，单个记录的多个原始FFT数据采样(420)中的每一个各自的幅度谱的特定频率范围内低于所述百分点的各个频率分量都被视为具有充分确定性的背景噪声，和
确定阈值参数的初始记录专属值，初始记录专属阈值参数的特征在于下列之一：
要与初始记录专属基本噪声百分点相乘的阈值因子，用以确定要被单独应用到多个原始FFT数据采样(420)中的每一个的所选择的动态幅度噪声截止点的值，和
要加到初始记录专属基本噪声百分点上的阈值升降因子，用以确定要被单独应用到多个原始FFT数据采样(420)中的每一个的所选择的动态幅度噪声截止点的值，
动态过滤单个记录的多个原始FFT数据采样(420)中的各个采样，以消除或衰减其中包含的背景噪声，从而产生出相应的多个经过清洁的FFT数据采样(430)，
采样专属背景噪声被经过调整的记录专属动态过滤器(640)清除或衰减，以产生相应的经过清洁的FFT数据采样(430)，经过清洁的FFT数据采样(430)的特征在于采样专属声信号数据具有受到严重衰减的高频分量，
至少部分由所选择的动态幅度噪声截止点定义的经过调整的记录专属动态过滤器(640)被应用于多个原始FFT数据采样(420)中的各个采样，
所选择的动态幅度噪声截止点由下列定义：所选择的记录专属基本噪声百分点的值，和所选择的记录专属的阈值参数值，
还原经过清洁的数据采样的被衰减的高频分量，从而产生出处于频域中的经过清洁和还原的数据采样，还原的步骤是通过应用至少部分由经过清洁的数据采样的一部分和增益函数限定的记录专属还原处理器(930)来执行的，和
应用反变换，将经过清洁和还原的数据采样转换为时域数据格式的经过清洁和还原的数据采样(732)。
27.一种动态噪声过滤和信号还原计算机程序(51)，用于在声信号(410)中滤除噪声、还原遭到衰减的谱分量或者在滤除噪声的同时还原被衰减的谱分量，该计算机程序被承载在暂时性计算机可读介质上或者被存储在非暂时性计算可读介质上，并且包括一组指令，这组指令在由一个或多个处理器(33)执行时会使得所述一个或多个处理器(33)执行由权利要求1-26中的任何一项中定义的处理器可执行步骤表征的操作。
28.一种非暂时性计算机可读介质，具有收录于其上的为了在声信号(410)中滤除噪声、还原被衰减的谱分量或者在滤除噪声的同时还原被衰减的谱分量而准备的处理器可读代码，该处理器可读代码包括一组指令，这组指令在由一个或多个处理器(33)执行时会使得所述一个或多个处理器(33)执行由权利要求1-26中的任何一项中定义的处理器可执行步骤表征的操作。
29.一种系统(30)，该系统是为了在声信号(410)中滤除噪声、还原被衰减的谱分量或者在滤除噪声的同时还原被衰减的谱分量而准备的，该系统(30)的特征在于：
动态噪声过滤和信号还原计算机(31)，具有一个或多个处理器(33)和与所述一个或多个处理器(33)通信的存储器(35)；和
存储在动态噪声过滤和信号还原计算机(31)的存储器(35)中的动态噪声过滤和信号还原程序，该程序是为了在声信号(410)中滤除噪声、还原被衰减的谱分量或者在滤除噪声的同时还原被衰减的谱分量而准备的，该程序包括指令，这些指令在由动态噪声过滤和信号还原计算机(31)执行时会使得该计算机(31)执行由权利要求1-26中任何一项定义的计算机可实现步骤表征的操作。
30.一种系统(30)，该系统是为了在声信号(410)中滤除噪声、还原被衰减的谱分量或者在滤除噪声的同时还原被衰减的谱分量而准备的，该系统(30)被配置成用来执行权利要求1-26中的任何一项中定义的步骤。
31.一种系统(30)，该系统是为了在声信号(410)中滤除噪声、还原被衰减的谱分量或者在滤除噪声的同时还原被衰减的谱分量而准备的，该系统(30)的特征在于：
动态噪声过滤和信号还原计算机(31)，具有一个或多个处理器(33)和与所述一个或多个处理器(33)通信的存储器(35)；和
存储在动态噪声过滤和信号还原计算机(31)的存储器(35)中的动态噪声过滤和信号还原程序，该程序是为了在声信号(410)中滤除噪声、还原被衰减的谱分量或者在滤除噪声的同时还原被衰减的谱分量而准备的，该程序包括指令，这些指令在由动态噪声过滤和信号还原计算机(31)执行时会使得计算机(31)执行操作，这些操作的特征在于：
对一个或多个声记录中的各个记录执行下列操作：
动态过滤各记录的具有频域格式的多个原始数据采样中的各个采样，以消除或衰减其中包含的背景噪声，从而产生出相应的多个经过清洁的数据采样，
所述多个原始数据采样是由各记录的相应多个声信号采样、被从时域格式变换为频域格式而产生的，
各个原始数据采样包括采样专属声信号数据和采样专属背景噪声，
多个原始数据采样中的各个单独的原始数据采样的采样专属背景噪声是由应用于多个原始数据采样中的每一个的记录专属动态过滤器(640)消除或衰减的，以产生出相应的多个经过清洁的数据采样，
所述记录专属动态过滤器(640)至少部分地由动态幅度噪声截止点(Ath)限定，
动态幅度噪声截止点(Ath)是由记录专属基本噪声百分点(Pb)和阈值参数的记录专属值(Cth)限定的，
对于各记录的多个原始数据采样中的每一个，记录专属基本噪声百分点(Pb)都是相同的，
对于各记录的多个原始数据采样中的每一个，阈值参数值(Cth)都是相同的，和
动态幅度噪声截止点(Ath)是为各记录的多个原始数据采样中的各个单独的原始数据采样分别单独求取并单独应用的。
32.按照权利要求31所述的系统(30)，其中多个经过清洁的数据采样中的各个单独的经过清洁的数据采样中包含的采样专属声信号数据包括受到严重衰减的高频分量，这些操作的特征进一步在于：
对经过清洁的数据采样的被衰减的高频分量进行还原，从而产生出处于频域中的经过清洁且还原的数据采样；和
应用反变换，将经过清洁和还原的数据采样转换为时域数据格式的经过清洁和还原的数据采样(732)。
33.按照权利要求31或32中任何一项定义的系统(30)，其中采样专属背景噪声是随时间变化的，并且其中动态过滤器(640)是经过调整的动态过滤器(640)，这些操作的特征进一步在于：调整初始的记录专属动态过滤器(640)，以形成经过调整的动态过滤器(640)，调整的操作包括下列操作：
为一个或多个记录中的各个单个记录确定记录专属基本噪声百分点，记录专属基本噪声百分点包括单个记录的多个原始数据采样中每一个的幅度谱的记录专属特定频率范围内的第K个百分点，单个记录的多个原始数据采样中的每一个各自的幅度谱的特定频率范围内低于所述百分点的各个频率分量都被视为具有充分确定性的背景噪声；和
确定记录专属阈值参数值，记录专属阈值参数包括下列之一：要与记录专属基本噪声百分点相乘的阈值因子和要被加到记录专属基本噪声百分点上的阈值升降因子，从而确定要被单独应用到多个原始数据采样中的每一个的动态幅度噪声截止点的值。
34.按照权利要求31-33中任何一项定义的系统(30)，其中动态过滤器(640)是经过调整的动态过滤器(640)，这些操作的特征进一步在于：调整初始记录专属动态过滤器(640)，调整的操作包括下列操作：
接收或取得一个或多个记录中各记录的多个原始数据采样的子集；
为各记录选择记录专属特定频率范围；
为各记录选择记录专属基本噪声百分点；
为各记录选择记录专属阈值参数的值；
为各记录确定动态幅度噪声截止点，动态幅度噪声截止点由所选择的基本噪声百分点和所选择的记录专属阈值参数值限定；和
对从多个原始数据采样中提取的一组代表性数据采样中的一个或多个采样求取至少部分由动态幅度噪声截止点限定的初始动态过滤器(640)的结果，从而构造经过调整的动态过滤器(640)。
35.按照权利要求31-34中任何一项定义的系统(30)，其中采样专属背景噪声是随时间变化的，并且其中动态过滤器(640)是经过调整的动态过滤器(640)，这些操作的特征进一步在于：调整初始的记录专属动态过滤器(640)，以形成经过调整的动态过滤器(640)，调整的操作包括下列操作：
接收或取得一个或多个记录中各单个记录的多个原始数据采样的子集，其中：
如果单个的记录是记录下来的记录，则执行取得在实质上不同的时刻记录的具有不同的背景噪声大小的多个原始数据采样的子集的操作，从而定义一组代表性FFT数据采样(421)；和
如果单个记录是待处理的在线记录并且无法选择实质上不同时刻的原始数据采样，则执行接收该单个记录的开端处的多个原始数据采样的子集的操作，从而定义一组代表性FFT数据采样(421)。
36.按照权利要求31-35中任何一项定义的系统(30)，其中采样专属背景噪声是随时间变化的，并且其中动态过滤器(640)是经过调整的动态过滤器(640)，这些操作的特征进一步在于：调整初始的记录专属动态过滤器(640)，以形成经过调整的动态过滤器(640)，调整的操作包括下列操作：
为一个或多个记录中的单个记录选择特定频率范围，特定频率范围由包含背景噪声占主导地位的频率分量的一组代表性FFT数据采样(421)中的各个采样共有的频率范围限定，或者如果没有频率范围是由背景噪声占主导地位的，则特定频率范围由包含的背景噪声占比比该组代表性FFT数据采样(421)的其它基本上连续的频率范围高的该组代表性FFT数据采样的各个采样共有的频率范围限定。
37.按照权利要求36所述的系统(30)，其中记录专属基本噪声百分点是运算上的记录专属基本噪声百分点，这些操作的特征进一步在于：
为一个或多个记录中的单个记录选择初始的基本噪声百分点，包括认定明显的分割幅度，对于该组代表性FFT数据采样(421)内的各个采样，所选择的特定频率范围内至少接近全部低于该分割幅度的频率分量是背景噪声。
38.按照权利要求31-37中任何一项所述的系统(30)，其中记录专属基本噪声百分点是运算上的记录专属基本噪声百分点，其中动态过滤器(640)是记录专属的经过调整的动态过滤器(640)，这些操作的特征进一步在于：调整候选的记录专属动态过滤器(640)，以形成记录专属的经过调整的动态过滤器(640)，调整的操作包括下列操作：
为一个或多个记录中的单个记录选择初始的基本噪声百分点，
为一个或多个记录中的单个记录选择阈值参数的初始值；
为阈值参数认定初始值；
确定初始的动态幅度噪声截止点，初始的动态幅度噪声截止点由所选择的初始基本噪声百分点和所选择的阈值参数初始值限定；和
用一组代表性FFT数据采样(421)内的一个或多个采样求取初始的动态幅度噪声截止点。
39.按照权利要求38所述的系统(30)，其中原始数据采样是原始FFT数据采样(420)，其中经过清洁的数据采样是经过清洁的FFT数据采样(430)，并且其中用一组代表性FFT数据采样(421)内的一个或多个采样评价初始的动态幅度噪声截止点的操作，包括一个或多个下列操作：
以图形方式评价该组代表性FFT数据采样(421)内的一个或多个采样的动态幅度噪声截止点的幅度位置；和
用该组代表性FFT数据采样(421)内的一个或多个采样评价至少部分由初始动态幅度噪声截止点限定的初始动态过滤器(640)的结果，包括：
确定初始的动态过滤器(640)，
执行该组代表性FFT数据(421)内的一个或多个采样的初始动态过滤，从而产生出相应的一个或多个经过清洁的FFT数据采样(430)，和
通过将各个单个的经过清洁的FFT数据采样(430)与其相应的原始FFT数据采样(420)进行比较，用图形方式直接检验经过清洁的FFT数据采样(430)中的一个或多个，从而确定初始的动态过滤器(640)是否是可接受的，或者是否需要进一步调整。
40.按照权利要求38或39中任何一项所述的系统(30)，其中原始数据采样是原始FFT数据采样(420)，其中经过清洁的数据采样是经过清洁的FFT数据采样(430)，并且其中用一组代表性FFT数据采样(421)内的一个或多个采样评价初始的动态幅度噪声截止点的操作，其特征在于下列操作：
用该组代表性FFT数据采样(421)内的一个或多个采样评价至少部分由初始动态幅度噪声截止点限定的初始动态过滤器(640)的结果，包括：
确定初始的动态过滤器(640)，
执行该组代表性FFT数据(421)内的一个或多个采样的初始动态过滤，从而产生出相应的一个或多个经过清洁的FFT数据采样(430)，和
检验与一个或多个经过清洁的FFT数据采样(430)相对应的一个或多个时域数据采样(732)，包括：
对一个或多个经过清洁的FFT数据采样(430)进行反FFT，从而将经过清洁的FFT数据(430)变换为时域格式，从而产生出一个或多个时域数据采样(732)，和
使用收听装置(733)产生与一个或多个时域数据采样(732)相应的声音，从而确定初始的动态过滤器(640)是否是可接受的或者是否需要进一步调整。
41.按照权利要求38-40中任何一项所述的系统(30)，其中用一组代表性FFT数据采样(421)内的一个或多个采样评价初始的动态幅度噪声截止点的操作，包括下列操作：
用该组代表性FFT数据采样(421)内的一个或多个采样评价至少部分由初始动态幅度噪声截止点限定的初始动态过滤器(640)的结果；和
对评价初始动态过滤器(640)的结果的操作执行下列响应之一：
如果初始动态过滤器(640)的结果不是可接受的，重复操作：调节阈值因子，从而沿着校正的方向移动动态幅度噪声截止点，并且评价经过调节的初始动态过滤器(640)的结果，直到可接受，和
如果初始动态过滤器(640)的评价结果是可接受的，则用第二组代表性FFT数据采样(421)评价初始的动态过滤器(640)。
42.按照权利要求31-41中任何一项所述的系统(30)，其中多个经过清洁的数据采样中的各个单独的经过清洁的数据采样中包含的采样专属声信号数据包括受到严重衰减的高频分量，这些操作的特征进一步在于：
对一个或多个记录的各个单个记录的经过清洁的数据采样的被衰减的高频分量进行还原，从而产生出处于频域中的经过清洁和还原的数据采样；
还原的操作是通过应用至少部分由经过清洁的数据采样的一部分和增益函数定义的记录专属还原处理器(930)执行的。
43.按照权利要求42所述的系统(30)，其中经过清洁的数据采样是经过清洁的FFT数据采样(430)，这些操作的特征进一步在于执行下列之一：
如果经过清洁的FFT数据采样(430)是这样存储的：能够以实质上不同的时间间隔选取多个经过清洁的FFT数据采样(430)的子集，则取得代表以实质上不同的时间记录的具有可能不同的背景噪声大小的信号的采样的多个经过清洁的FFT数据采样(430)中的子集，从而定义在创建或选择增益函数和形成记录专属还原处理器(930)时使用的一组代表性的经过清洁的FFT数据采样(431)；和
如果经过清洁的FFT数据采样(430)是以流的方式在线提供的，从而无法以本质上不同的时间间隔选择多个经过清洁的FFT数据采样(430)的子集，则接收单个记录的开端处的多个经过清洁的FFT数据采样(430)的子集，从而定义在创建或选择增益函数和形成还原处理器(930)时使用的一组代表性的经过清洁的FFT数据采样(431)。
44.按照权利要求42或43中任何一项所述的系统(30)，其中经过清洁的数据采样是经过清洁的FFT数据采样(430)，并且其中记录专属还原处理器(930)是运算上的记录专属还原处理器(930)，这些操作的特征进一步在于：
为一个或多个记录中的单个记录选择初始的还原处理器(930)，包括：
从多个经过清洁的FFT数据采样(430)中选择一组代表性的经过清洁的FFT数据采样(431)；
响应于该代表性的经过清洁的FFT数据采样(431)创建或从数据库(43)中选择增益函数；
调节增益函数的参数，从而形成初始的还原处理器(930)；
由至少部分由增益函数定义的初始还原处理执行该组代表性的经过清洁的FFT数据采样(431)内的一个或多个采样的初始还原处理，从而产生出一组经过还原的FFT数据采样(440)内的相应的一个或多个经过还原的采样；和
评价初始还原处理器(930)。
45.按照权利要求44所述的系统(30)，此外还包括响应于评价初始还原处理器(930)的操作执行下列一组操作之一的操作：
如果初始还原处理器(930)的结果不是可接受的，重复操作：创建或选择定义替换增益函数的新的增益函数，调节替换增益函数的参数，从而调节初始的还原处理器(930)，并且评价经过调节的初始还原处理器(930)的结果，直到可接受；和
如果初始还原处理器(930)的评价结果是可接受的，则用多个经过清洁的FFT数据采样(430)的第二个子集评价初始还原处理器(930)。
46.按照权利要求44或45中任何一项所述的系统(30)，其中评价初始的还原处理器(930)的操作包括下列操作：
以图形的方式将该组经过还原的FFT数据采样(440)的各个采样与其相应的经过清洁的FFT数据采样(430)进行比较。
47.按照权利要求44-46中任何一项所述的系统(30)，其中评价初始还原处理器(930)的操作包括下列操作：
检验与该组经过还原的FFT数据采样(440)的一个或多个采样相对应的一个或多个时域数据采样(732)，包括：
对一个或多个经过还原的FFT数据采样(440)进行反FFT，从而将经过还原的FFT数据(440)变换为时域格式，从而产生出一个或多个时域数据采样(732)，和
使用收听装置(733)产生与一个或多个时域数据采样(732)相对应的声音。
48.一种在声信号(410)中滤除噪声和还原被衰减的谱分量的系统(30)，该系统(30)的特征在于：
动态噪声过滤和信号还原计算机(31)，具有一个或多个处理器(33)和与所述一个或多个处理器(33)通信的存储器(35)；和
存储在动态噪声过滤和信号还原计算机(31)的存储器(35)中的动态噪声过滤和信号还原程序，该程序是为了在声信号(410)中滤除噪声、还原被衰减的谱分量或者在滤除噪声的同时还原被衰减的谱分量而准备的，该程序包括指令，这些指令在由动态噪声过滤和信号还原计算机(31)执行时会使得计算机(31)执行操作，这些操作的特征在于：
在预先选定的持续时间内接收或取得声信号(410)，以形成声信号(410)的一个或多个记录，该声信号(410)处于时域内；
对于一个或多个记录中的各个记录：
对单个记录内的声信号(410)进行采样，从而形成经过采样的数字化数据(520)，经过采样的数字化数据(520)包括具有时域格式的多个原始数据采样，
应用快速傅里叶变换(FFT)，以将具有时域格式的单个记录的多个原始数据采样转换为具有频域格式的多个原始FFT数据采样(420)，各个原始FFT数据采样(420)包括采样专属声信号数据和采样专属背景噪声，采样专属声信号数据有受到严重衰减的高频分量，
动态过滤单个记录的多个原始数据采样(420)中的各个采样，以消除或衰减其中包含的背景噪声，从而产生出相应的多个经过清洁的FFT数据采样(430)，
多个原始FFT数据采样(420)中的各个单独的采样的采样专属背景噪声是由应用于多个原始FFT数据采样(420)中的每一个的记录专属动态过滤器(640)消除或衰减的，以产生出相应的多个经过清洁的FFT数据采样(430)，
各个经过清洁的FFT数据采样(430)包括具有受到严重衰减的高频分量的采样专属声信号数据，
所述记录专属动态过滤器(640)至少部分地由动态幅度噪声截止点限定，
动态幅度噪声截止点由下列定义：
为多个原始FFT数据采样(430)中的每一个评价的记录专属基本噪声百分点，和
记录专属的阈值参数值；
还原经过清洁的数据采样的被衰减的高频分量，从而产生出处于频域中的经过清洁和还原的数据采样，还原的操作是通过应用至少部分由经过清洁的数据采样的一部分和增益函数限定的记录专属还原处理器(930)来执行的；和
应用反变换，将经过清洁和还原的数据采样转换为时域数据格式的经过清洁和还原的数据采样(732)。
49.按照权利要求48所述的系统(30)，其中采样专属背景噪声是随时间变化的，并且其中动态过滤器(640)是经过调整的记录专属动态过滤器(640)，这些操作的特征进一步在于：调整初始的记录专属记录专属动态过滤器(640)，以形成经过调整的记录专属动态过滤器(640)，调整操作包括对一个或多个记录中的各个记录执行下列操作：
确定记录专属基本噪声百分点，该记录专属基本噪声百分点包括单个记录的多个原始数据采样中每一个的幅度谱的记录专属特定频率范围内的第K个百分点，单个记录内的多个原始数据采样中的每一个各自的幅度谱的特定频率范围内低于所述百分点的各个频率分量都被视为具有充分确定性的背景噪声；和
确定记录专属阈值参数值，记录专属阈值参数包括下列之一：
要与记录专属基本噪声百分点相乘的阈值因子，用以确定要被单独应用到多个原始数据采样中的每一个的动态幅度噪声截止点的值，和
要被加到记录专属基本噪声百分点的阈值升降因子，用以确定要被单独应用到多个原始数据采样中的每一个的动态幅度噪声截止点的值。
50.按照权利要求48或49中任何一项所述的系统(30)，其中动态过滤器(640)是经过调整的动态过滤器(640)，这些操作的特征进一步在于：调整记录专属动态过滤器(640)，调整的操作包括下列操作：
接收或取得一个或多个记录中各单个记录的多个原始数据采样的子集，其中：
如果单个的记录是记录下来的记录，则执行取得在实质上不同的时刻记录的具有不同的背景噪声大小的多个原始数据采样的子集的操作，从而定义一组代表性FFT数据采样(421)，和
如果单个记录是待处理的在线记录并且无法选择实质上不同时刻的原始数据采样，则执行接收该单个记录的开端处的多个原始数据采样的子集的操作，从而定义一组代表性FFT数据采样(421)；
为一个或多个记录中的单个记录选择特定频率范围，特定频率范围由包含背景噪声占主导地位的频率分量的一组代表性FFT数据采样(421)中的各个采样共有的频率范围限定，或者如果没有频率范围是由背景噪声占主导地位的，则特定频率范围由包含的背景噪声占比比该组代表性FFT数据采样(421)的其它基本上连续的频率范围高的该组代表性FFT数据采样的各个采样共有的频率范围限定；
为一个或多个记录中的单个记录选择初始的基本噪声百分点，包括认定明显的分割幅度，对于该组代表性FFT数据采样(421)内的各个采样，所选择的特定频率范围内至少接近全部低于该分割幅度的频率分量是背景噪声；
为单个记录选择记录专属阈值参数的初始值；
为各记录确定动态幅度噪声截止点，动态幅度噪声截止点由所选择的基本噪声百分点和所选择的记录专属阈值参数值限定；和
用从多个原始数据采样中提取的一组代表性数据采样中的一个或多个采样评价至少部分由动态幅度噪声截止点限定的初始动态过滤器(640)的结果，从而构造经过调整的动态过滤器(640)。
51.按照权利要求50所述的系统(30)，其中用一组代表性FFT数据采样(640)内的一个或多个采样评价初始的动态过滤器(640)的操作，包括一个或多个下列操作：
以图形方式评价该组代表性FFT数据采样(421)内的一个或多个采样的动态幅度噪声截止点的幅度位置；和
用该组代表性FFT数据采样(421)内的一个或多个采样评价至少部分由初始动态幅度噪声截止点限定的初始动态过滤器(640)的结果，包括：
确定初始的动态过滤器(640)，
执行该组代表性FFT数据(421)内的一个或多个采样的初始动态过滤，从而产生出相应的一个或多个经过清洁的FFT数据采样(430)，和
通过将各个单个的经过清洁的FFT数据采样(430)与其相应的原始FFT数据采样(420)进行比较，用图形方式直接检验经过清洁的FFT数据采样(430)中的一个或多个，从而确定初始的动态过滤器(640)是否是可接受的，或者是否需要进一步调整；
如果初始动态过滤器(640)的结果不是可接受的，重复操作：调节阈值因子，以沿着校正的方向移动动态幅度噪声截止点，得到经过调节的初始动态过滤器(640)，并且评价经过调节的初始动态过滤器(640)的结果，直到可接受；和
如果初始动态过滤器(640)的评价结果是可接受的，则用第二组代表性FFT数据采样(421)评价初始的动态过滤器(640)。
52.按照权利要求50或51中任何一项所述的系统(30)，其中原始数据采样是原始FFT数据采样(420)，其中经过清洁的数据采样是经过清洁的FFT数据采样(430)，并且其中用一组代表性FFT数据采样(421)内的一个或多个采样评价初始的动态幅度噪声截止点的操作，包括下列操作：
用该组代表性FFT数据采样(421)内的一个或多个采样评价至少部分由初始动态幅度噪声截止点限定的初始动态过滤器(640)的结果，包括：
确定初始的动态过滤器(640)，
执行该组代表性FFT数据(421)内的一个或多个采样的初始动态过滤，从而产生出相应的一个或多个经过清洁的FFT数据采样(430)，和
检验与一个或多个经过清洁的FFT数据采样(430)相对应的一个或多个时域数据采样(732)，包括：
对一个或多个经过清洁的FFT数据采样(430)进行反FFT，从而将经过清洁的FFT数据(430)变换为时域格式，从而产生出一个或多个时域数据采样(732)，和
使用收听装置(733)产生与一个或多个时域数据采样(732)相对应的声音，从而确定初始的动态过滤器(640)是否是可接受的或者是否需要进一步调整；
如果初始动态过滤器(640)的结果不是可接受的，重复操作：调节阈值因子，从而沿着校正的方向移动动态幅度噪声截止点，并且评价替换初始动态过滤器(640)的结果，直到可接受；和
如果初始动态过滤器(640)的评价结果是可接受的，则用第二组代表性FFT数据采样(421)评价初始的动态过滤器(640)。
53.按照权利要求48-50中任何一项所述的系统(30)，这些操作的特征进一步在于执行下列之一：
如果经过清洁的FFT数据采样(430)是这样存储的：能够以实质上不同的时间间隔选取多个经过清洁的FFT数据采样(430)的子集，则执行取得代表以实质上不同的时间记录的具有可能不同的背景噪声大小的信号的采样的多个经过清洁的FFT数据采样(430)中的子集的操作，从而定义在创建或选择增益函数和形成记录专属还原处理器(930)时使用的一组代表性的经过清洁的FFT数据采样(431)；和
如果经过清洁的FFT数据采样(430)是以流的方式在线提供的，从而无法以本质上不同的时间间隔选择多个经过清洁的FFT数据采样(430)的子集，则执行接收单个记录的开端处的多个经过清洁的FFT数据采样(430)的子集的操作，从而定义在创建或选择增益函数和形成记录专属还原处理器(930)时使用的一组代表性的经过清洁的FFT数据采样(431)。
54.按照权利要求48-53中任何一项所述的系统(30)，其中记录专属还原处理器(930)是运算上的记录专属还原处理器(930)，这些操作的特征进一步在于：
为一个或多个记录中的单个记录选择初始的还原处理器(930)，包括：
从多个经过清洁的FFT数据采样(430)中选择一组代表性的经过清洁的FFT数据采样(431)；
响应于该代表性的经过清洁的FFT数据采样(431)创建或从数据库(43)中选择增益函数；
调节增益函数的参数，从而形成初始的还原处理器(930)；
由至少部分由增益函数定义的初始还原处理执行该组代表性的经过清洁的FFT数据采样(431)内的一个或多个采样的初始还原处理，从而产生出一组经过还原的FFT数据采样(440)内的相应的一个或多个经过还原的采样；
评价初始还原处理器(930)；和
响应于评价初始还原处理器(930)的操作执行下列操作集合之一的操作：
如果初始还原处理器(930)的结果不可接受，则重复创建或选择定义替换增益函数的新增益函数、调节替换增益函数的参数和评价替换初始还原处理器(930)的结果的操作，直到可接受，和
如果初始还原处理器(930)的评价结果是可接受的，则用多个经过清洁的FFT数据采样(430)的第二个子集评价初始还原处理器(930)。
55.按照权利要求54所述的系统(30)，其中评价初始还原处理器(930)的操作包括下列操作中的一个或多个：
以图形的方式将该组经过还原的FFT数据采样(440)的各个采样与其相应的经过清洁的FFT数据采样(430)进行比较；和
检验与该组经过还原的FFT数据采样(440)的一个或多个采样相对应的一个或多个时域数据采样(732)，包括：对一个或多个经过还原的FFT数据采样(440)进行反FFT，从而将经过还原的FFT数据(440)变换为时域格式，从而产生出一个或多个时域数据采样(732)，和使用收听装置(733)产生与一个或多个时域数据采样(732)相对应的声音。
56.一种在声信号(410)中滤除噪声和还原被衰减的谱分量的系统(30)，该系统(30)的特征在于：
动态噪声过滤和信号还原计算机(31)，其具有一个或多个处理器(33)和与所述一个或多个处理器(33)通信的存储器(35)；和
存储在动态噪声过滤和信号还原计算机(31)的存储器(35)中的动态噪声过滤和信号还原程序，该程序是为了在声信号(410)中滤除噪声、还原被衰减的谱分量或者在滤除噪声的同时还原被衰减的谱分量而准备的，该程序包括指令，这些指令在由动态噪声过滤和信号还原计算机(31)执行时会使得计算机(31)执行操作，这些操作的特征在于：
在预先选定的持续时间内接收或取得声信号(410)，以形成声信号(410)的一个或多个记录，声信号(410)处于时域内；和
对于一个或多个记录中的各个记录：
对单个记录内的声信号(410)进行采样，从而形成经过采样的数字化数据(520)，经过采样的数字化数据(520)包括具有时域格式的多个原始数据采样，
应用快速傅里叶变换(FFT)，以将具有时域格式的单个记录的多个原始数据采样转换为具有频域格式的多个原始FFT数据采样(420)，各个原始FFT数据采样(420)包括在单个记录的原始FFT数据采样(420)间有变化的采样专属的声信号数据和采样专属的背景噪声，采样专属声信号数据具有受到严重衰减的高频分量，
调整至少部分由初始动态幅度噪声截止点定义的初始记录专属动态过滤器(640)，该初始动态幅度噪声截止点由初始记录专属基本噪声百分点和初始记录专属阈值参数值限定，以形成用来应用于多个原始数据采样的各个原始FFT数据采样(420)的经过调整的记录专属动态过滤器(640)，包括：
确定初始记录专属基本噪声百分点，该初始记录专属基本噪声百分点包括单个记录的多个原始FFT数据采样(420)中每一个的幅度谱的记录专属特定频率范围内的第K个百分点，单个记录的多个原始FFT数据采样(420)中的每一个各自的幅度谱的特定频率范围内低于所述百分点的各个频率分量都被视为具有充分确定性的背景噪声，和
确定阈值参数的初始记录专属值，初始记录专属阈值参数的特征在于下列之一：
要与初始记录专属基本噪声百分点相乘的阈值因子，用以确定要被单独应用到多个原始FFT数据采样(420)中的每一个的所选择的动态幅度噪声截止点的值，和
要加到初始记录专属基本噪声百分点上的阈值升降因子，用以确定要被单独应用到多个原始FFT数据采样(420)中的每一个的所选择的动态幅度噪声截止点的值，
动态过滤单个记录的多个原始FFT数据采样(420)中的各个采样，以消除或衰减其中包含的背景噪声，从而产生出相应的多个经过清洁的FFT数据采样(430)，
采样专属背景噪声被经过调整的记录专属动态过滤器(640)清除或衰减，以产生相应的经过清洁的FFT数据采样(430)，经过清洁的FFT数据采样(430)的特征在于采样专属声信号数据具有受到严重衰减的高频分量，
至少部分由所选择的动态幅度噪声截止点定义的经过调整的记录专属动态过滤器(640)被应用于多个原始FFT数据采样(420)中的各个采样，
所选择的动态幅度噪声截止点由下列定义：所选择的记录专属基本噪声百分点的值，和所选择的记录专属的阈值参数值，
还原经过清洁的数据采样的被衰减的高频分量，从而产生出具有频域格式的经过清洁和还原的数据采样，还原的操作是通过应用至少部分由经过清洁的数据采样的一部分和增益函数限定的记录专属还原处理器(930)来执行的，和
应用反变换，将经过清洁和还原的数据采样转换为时域数据格式的经过清洁和还原的数据采样(732)。
57.一种非暂时性计算机可读介质，具有收录于其上的为了在声信号(410)中滤除噪声、还原被衰减的谱分量或者在滤除噪声的同时还原被衰减的谱分量而准备的处理器可读代码，该处理器可读代码包括一组指令，这组指令在由一个或多个处理器(33)执行时会使得所述一个或多个处理器(33)执行操作，这些操作的特征在于：
对一个或多个声记录中的各个记录执行下列操作：
动态过滤各记录的具有频域格式的多个原始数据采样中的各个采样，以消除或衰减其中包含的背景噪声，从而产生出相应的多个经过清洁的数据采样，
所述多个原始数据采样是由各记录的相应多个声信号采样、被从时域格式变换为频域格式而产生的，
各个原始数据采样包括采样专属的声信号数据和采样专属的背景噪声，
多个原始数据采样中的各个单独的原始数据采样的采样专属背景噪声是由应用于多个原始数据采样中的每一个的记录专属动态过滤器(640)消除或衰减的，以产生出相应的多个经过清洁的数据采样，
所述记录专属动态过滤器(640)至少部分地由动态幅度噪声截止点(Ath)限定，
动态幅度噪声截止点(Ath)是由记录专属基本噪声百分点(Pb)和记录专属阈值参数值(Cth)限定的，
对于各记录的多个原始数据采样中的每一个，记录专属基本噪声百分点(Pb)都是相同的，
对于各记录的多个原始数据采样中的每一个，阈值参数值(Cth)都是相同的，和
动态幅度噪声截止点(Ath)是为各记录的多个原始数据采样中的各个单独的原始数据采样分别单独求取并单独应用的。
58.一种非暂时性计算机可读介质，具有收录于其上的为了在声信号(410)中滤除噪声、还原被衰减的谱分量或者在滤除噪声的同时还原被衰减的谱分量而准备的处理器可读代码，该处理器可读代码包括一组指令，这组指令在由一个或多个处理器(33)执行时会使得所述一个或多个处理器(33)执行操作，这些操作的特征在于：
在预先选定的持续时间内接收或取得声信号(410)，以形成声信号(410)的一个或多个记录，声信号(410)处于时域内；
对于一个或多个记录中的各个记录：
对单个记录内的声信号(410)进行采样，从而形成经过采样的数字化数据(520)，经过采样的数字化数据(520)包括具有时域格式的多个原始数据采样，
应用快速傅里叶变换(FFT)，以将具有时域格式的单个记录的多个原始数据采样转换为具有频域格式的多个原始FFT数据采样(420)，各个原始FFT数据采样(420)包括采样专属的声信号数据和采样专属的背景噪声，采样专属声信号数据有受到严重衰减的高频分量，
动态过滤单个记录的多个原始FFT数据采样(420)中的各个采样，以消除或衰减其中包含的背景噪声，从而产生出相应的多个经过清洁的FFT数据采样(430)，
多个原始FFT数据采样(420)中的各个单独的采样的采样专属背景噪声是由应用于多个原始FFT数据采样(420)中的每一个的记录专属动态过滤器(640)消除或衰减的，以产生出相应的多个经过清洁的FFT数据采样(430)，
各个经过清洁的FFT数据采样(430)包括具有受到严重衰减的高频分量的采样专属声信号数据，
所述记录专属动态过滤器(640)至少部分地由动态幅度噪声截止点限定，
动态幅度噪声截止点由下列定义：
为多个原始FFT数据采样(430)中的每一个评价的记录专属基本噪声百分点，和
记录专属的阈值参数值；
还原经过清洁的数据采样的被衰减的高频分量，从而产生出具有频域格式的经过清洁和还原的数据采样，还原的操作是通过应用至少部分由经过清洁的数据采样的一部分和增益函数限定的记录专属还原处理器(930)来执行的；和
应用反变换，将经过清洁和还原的数据采样转换为时域数据格式的经过清洁和还原的数据采样(732)。
59.一种非暂时性计算机可读介质，具有收录于其上的为了在声信号(410)中滤除噪声、还原被衰减的谱分量或者在滤除噪声的同时还原被衰减的谱分量而准备的处理器可读代码，该处理器可读代码包括一组指令，这组指令在由一个或多个处理器(33)执行时会使得所述一个或多个处理器(33)执行操作，这些操作的特征在于：
在预先选定的持续时间内接收或取得声信号(410)，以形成声信号(410)的一个或多个记录，声信号(410)处于时域内；和
对于一个或多个记录中的各个记录：
对单个记录内的声信号(410)进行采样，从而形成经过采样的数字化数据(520)，经过采样的数字化数据(520)包括具有时域格式的多个原始数据采样，
应用快速傅里叶变换(FFT)，以将具有时域格式的单个记录的多个原始数据采样转换为具有频域格式的多个原始FFT数据采样(420)，各个原始FFT数据采样(420)包括在单个记录的原始FFT数据采样(420)间有变化的采样专属的声信号数据和采样专属的背景噪声，采样专属声信号数据具有受到严重衰减的高频分量，
调整至少部分由初始动态幅度噪声截止点定义的初始记录专属动态过滤器(640)，该初始动态幅度噪声截止点由初始记录专属基本噪声百分点和初始记录专属阈值参数值限定，以形成用来应用于多个原始数据采样的各个原始FFT数据采样(420)的经过调整的记录专属动态过滤器(640)，包括：
确定初始记录专属基本噪声百分点，该初始记录专属基本噪声百分点包括单个记录的多个原始FFT数据采样(420)中每一个的幅度谱的记录专属特定频率范围内的第K个百分点，单个记录的多个原始FFT数据采样(420)中的每一个各自的幅度谱的特定频率范围内低于所述百分点的各个频率分量都被视为具有充分确定性的背景噪声，和
确定阈值参数的初始记录专属值，初始记录专属阈值参数的特征在于下列之一：
要与初始记录专属基本噪声百分点相乘的阈值因子，用以确定要被单独应用到多个原始FFT数据采样(420)中的每一个的所选择的动态幅度噪声截止点的值，和
要加到初始记录专属基本噪声百分点上的阈值升降因子，用以确定要被单独应用到多个原始FFT数据采样(420)中的每一个的所选择的动态幅度噪声截止点的值，
动态过滤单个记录的多个原始FFT数据采样(420)中的各个采样，以消除或衰减其中包含的背景噪声，从而产生出相应的多个经过清洁的FFT数据采样(430)，
采样专属背景噪声被经过调整的记录专属动态过滤器(640)清除或衰减，以产生相应的经过清洁的FFT数据采样(430)，经过清洁的FFT数据采样(430)的特征在于采样专属声信号数据具有受到严重衰减的高频分量，
至少部分由所选择的动态幅度噪声截止点定义的经过调整的记录专属动态过滤器(640)被应用于多个原始FFT数据采样(420)中的各个采样，
所选择的动态幅度噪声截止点由下列定义：所选择的记录专属基本噪声百分点的值，和所选择的记录专属的阈值参数值，
还原经过清洁的数据采样的被衰减的高频分量，从而产生出具有频域格式的经过清洁和还原的数据采样，还原的操作是通过应用至少部分由经过清洁的数据采样的一部分和增益函数限定的记录专属还原处理器(930)来执行的，和
应用反变换，将经过清洁和还原的数据采样转换为时域数据格式的经过清洁和还原的数据采样(732)。
60.一种动态噪声过滤和信号还原计算机程序(51)，用于在声信号(410)中滤除噪声、还原遭到衰减的谱分量或者在滤除噪声的同时还原被衰减的谱分量，该计算机程序包括一组指令，这组指令在由一个或多个处理器(33)执行时会使得所述一个或多个处理器(33)执行下列操作，这些操作的特征在于：
对一个或多个声记录中的各个记录执行下列操作：
动态过滤各记录的具有频域格式的多个原始数据采样中的各个采样，以消除或衰减其中包含的背景噪声，从而产生出相应的多个经过清洁的数据采样，
所述多个原始数据采样是由各记录的相应多个声信号采样、被从时域格式变换为频域格式而产生的，
各个原始数据采样包括采样专属的声信号数据和采样专属的背景噪声，
多个原始数据采样中的各个单独的原始数据采样的采样专属背景噪声是由应用于多个原始数据采样中的每一个的记录专属动态过滤器(640)消除或衰减的，以产生出相应的多个经过清洁的数据采样，
所述记录专属动态过滤器(640)至少部分地由动态幅度噪声截止点(Ath)限定，
动态幅度噪声截止点(Ath)是由记录专属基本噪声百分点(Pb)和记录专属阈值参数值(Cth)限定的，
对于各记录的多个原始数据采样中的每一个，记录专属基本噪声百分点(Pb)都是相同的，
对于各记录的多个原始数据采样中的每一个，阈值参数值(Cth)都是相同的，和
动态幅度噪声截止点(Ath)是为各记录的多个原始数据采样中的各个单独的原始数据采样分别单独求取并单独应用的。
61.一种动态噪声过滤和信号还原计算机程序(51)，用于在声信号(410)中滤除噪声、还原遭到衰减的谱分量或者在滤除噪声的同时还原被衰减的谱分量，该计算机程序包括一组指令，这组指令在由一个或多个处理器(33)执行时会使得所述一个或多个处理器(33)执行下列操作，这些操作的特征在于：
在预先选定的持续时间内接收或取得声信号(410)，以形成声信号(410)的一个或多个记录，声信号(410)处于时域内；
对于一个或多个记录中的各个记录：
对单个记录内的声信号(410)进行采样，从而形成经过采样的数字化数据(520)，经过采样的数字化数据(520)包括具有时域格式的多个原始数据采样，
应用快速傅里叶变换(FFT)，以将具有时域格式的单个记录的多个原始数据采样转换为具有频域格式的多个原始FFT数据采样(420)，各个原始FFT数据采样(420)包括采样专属的声信号数据和采样专属的背景噪声，采样专属声信号数据有受到严重衰减的高频分量，
动态过滤单个记录的多个原始FFT数据采样(420)中的各个采样，以消除或衰减其中包含的背景噪声，从而产生出相应的多个经过清洁的FFT数据采样(430)，
多个原始FFT数据采样(420)中的各个单独的采样的采样专属背景噪声是由应用于多个原始FFT数据采样(420)中的每一个的记录专属动态过滤器(640)消除或衰减的，以产生出相应的多个经过清洁的FFT数据采样(430)，
各个经过清洁的FFT数据采样(430)包括具有受到严重衰减的高频分量的采样专属声信号数据，
所述记录专属动态过滤器(640)至少部分地由动态幅度噪声截止点限定，
动态幅度噪声截止点由下列定义：
为多个原始FFT数据采样(430)中的每一个评价的记录专属基本噪声百分点，和
记录专属的阈值参数值；
还原经过清洁的数据采样的被衰减的高频分量，从而产生出具有频域格式的经过清洁和还原的数据采样，还原的操作是通过应用至少部分由经过清洁的数据采样的一部分和增益函数限定的记录专属还原处理器(930)来执行的；和
应用反变换，将经过清洁和还原的数据采样转换为时域数据格式的经过清洁和还原的数据采样(732)。
62.一种动态噪声过滤和信号还原计算机程序(51)，用于在声信号(410)中滤除噪声、还原遭到衰减的谱分量或者在滤除噪声的同时还原被衰减的谱分量，该计算机程序包括一组指令，这组指令在由一个或多个处理器(33)执行时会使得所述一个或多个处理器(33)执行下列操作，这些操作的特征在于：
在预先选定的持续时间内接收或取得声信号(410)，以形成声信号(410)的一个或多个记录，声信号(410)处于时域内；和
对于一个或多个记录中的各个记录：
对单个记录内的声信号(410)进行采样，从而形成经过采样的数字化数据(520)，经过采样的数字化数据(520)包括具有时域格式的多个原始数据采样，
应用快速傅里叶变换(FFT)，以将具有时域格式的单个记录的多个原始数据采样转换为具有频域格式的多个原始FFT数据采样(420)，各个原始FFT数据采样(420)包括在单个记录的原始FFT数据采样(420)间有变化的采样专属的声信号数据和采样专属的背景噪声，采样专属声信号数据具有受到严重衰减的高频分量，
调整至少部分由初始动态幅度噪声截止点定义的初始记录专属动态过滤器(640)，该初始动态幅度噪声截止点由初始记录专属基本噪声百分点和初始记录专属阈值参数值限定，以形成用来应用于多个原始数据采样的各个原始FFT数据采样(420)的经过调整的记录专属动态过滤器(640)，包括：
确定初始记录专属基本噪声百分点，该初始记录专属基本噪声百分点包括单个记录的多个原始FFT数据采样(420)中每一个的幅度谱的记录专属特定频率范围内的第K个百分点，单个记录的多个原始FFT数据采样(420)中的每一个各自的幅度谱的特定频率范围内低于所述百分点的各个频率分量都被视为具有充分确定性的背景噪声，和
确定阈值参数的初始记录专属值，初始记录专属阈值参数的特征在于下列之一：
要与初始记录专属基本噪声百分点相乘的阈值因子，用以确定要被单独应用到多个原始FFT数据采样(420)中的每一个的所选择的动态幅度噪声截止点的值，和
要加到初始记录专属基本噪声百分点上的阈值升降因子，用以确定要被单独应用到多个原始FFT数据采样(420)中的每一个的所选择的动态幅度噪声截止点的值，
动态过滤单个记录的多个原始FFT数据采样(420)中的各个采样，以消除或衰减其中包含的背景噪声，从而产生出相应的多个经过清洁的FFT数据采样(430)，
采样专属背景噪声被经过调整的记录专属动态过滤器(640)清除或衰减，以产生相应的经过清洁的FFT数据采样(430)，经过清洁的FFT数据采样(430)的特征在于采样专属声信号数据具有受到严重衰减的高频分量，
至少部分由所选择的动态幅度噪声截止点定义的经过调整的记录专属动态过滤器(640)被应用于多个原始FFT数据采样(420)中的各个采样，
所选择的动态幅度噪声截止点由下列定义：所选择的记录专属基本噪声百分点的值，和所选择的记录专属的阈值参数值，
还原经过清洁的数据采样的被衰减的高频分量，从而产生出具有频域格式的经过清洁和还原的数据采样，还原的操作是通过应用至少部分由经过清洁的数据采样的一部分和增益函数限定的记录专属还原处理器(930)来执行的，和
应用反变换，将经过清洁和还原的数据采样转换为时域数据格式的经过清洁和还原的数据采样(732)。
CN201480061939.7A 2013-09-12 2014-09-12 用于滤除噪声和还原声信号遭到衰减的高频分量的动态阈值方法、系统、计算机可读介质 Active CN105723458B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201361877117P 2013-09-12 2013-09-12
US61/877,117 2013-09-12
PCT/US2014/055516 WO2015038975A1 (en) 2013-09-12 2014-09-12 Dynamic threshold methods, systems, computer readable media, and program code for filtering noise and restoring attenuated high-frequency components of acoustic signals

Publications (2)

Publication Number Publication Date
CN105723458A true CN105723458A (zh) 2016-06-29
CN105723458B CN105723458B (zh) 2019-09-24

Family

ID=51627368

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480061939.7A Active CN105723458B (zh) 2013-09-12 2014-09-12 用于滤除噪声和还原声信号遭到衰减的高频分量的动态阈值方法、系统、计算机可读介质

Country Status (6)

Country Link
US (2) US9696444B2 (zh)
EP (1) EP3044789B1 (zh)
CN (1) CN105723458B (zh)
CA (3) CA2995530C (zh)
SA (1) SA516370716B1 (zh)
WO (1) WO2015038975A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108806677A (zh) * 2018-02-14 2018-11-13 美律电子(深圳)有限公司 音频处理装置及音频处理方法
CN108847208A (zh) * 2018-05-04 2018-11-20 歌尔科技有限公司 一种降噪处理方法、装置和耳机
CN110954919A (zh) * 2019-12-13 2020-04-03 华中科技大学 一种面阵激光探测器的固定值噪声确定方法及去除方法
CN112331225A (zh) * 2020-10-26 2021-02-05 东南大学 一种高噪声环境下辅助听力的方法及装置
CN112477813A (zh) * 2019-09-12 2021-03-12 长沙智能驾驶研究院有限公司 感知设备的清洁控制方法、装置、车辆及其清洁控制系统
CN115836867A (zh) * 2023-02-14 2023-03-24 中国科学技术大学 一种双分支融合的深度学习脑电降噪方法、设备及介质

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2995530C (en) * 2013-09-12 2018-07-24 Saudi Arabian Oil Company Dynamic threshold methods, systems, computer readable media, and program code for filtering noise and restoring attenuated high-frequency components of acoustic signals
WO2018048392A1 (en) * 2016-09-07 2018-03-15 Halliburton Energy Services, Inc. Adaptive signal detection for communicating with downhole tools
JP6874615B2 (ja) * 2017-09-21 2021-05-19 株式会社島津製作所 材料試験のノイズ除去方法および材料試験機
US11726034B2 (en) * 2019-03-07 2023-08-15 Missouri State University IR spectra matching methods
US11146607B1 (en) * 2019-05-31 2021-10-12 Dialpad, Inc. Smart noise cancellation
WO2020264503A1 (en) * 2019-06-28 2020-12-30 Regal Beloit America, Inc. Health monitor circuit for an electric machine
CN110313940B (zh) * 2019-08-01 2021-06-01 无锡海斯凯尔医学技术有限公司 信号衰减计算方法、装置、设备及计算机可读存储介质
US12117580B2 (en) * 2020-06-16 2024-10-15 Saudi Arabian Oil Company Evaluation of rock physical properties from drill sounds through minimizing the effect of the drill bit rotation
US11920467B2 (en) * 2022-01-13 2024-03-05 Saudi Arabian Oil Company Minimization of drill string rotation rate effect on acoustic signal of drill sound

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1416639A (zh) * 2000-01-27 2003-05-07 高通股份有限公司 实现回声对消器的改进系统和方法
US20050071156A1 (en) * 2003-09-30 2005-03-31 Intel Corporation Method for spectral subtraction in speech enhancement
CN1620751A (zh) * 2000-08-14 2005-05-25 清晰音频有限公司 声音增强系统
CN1700306A (zh) * 2004-05-18 2005-11-23 中国科学院声学研究所 一种自适应谷点降噪方法及系统
GB2426167A (en) * 2005-05-09 2006-11-15 Toshiba Res Europ Ltd Quantile based noise estimation
CN101000769A (zh) * 2006-01-13 2007-07-18 三星电子株式会社 便携式记录器中消除噪声的装置和方法
CN102543086A (zh) * 2011-12-16 2012-07-04 大连理工大学 一种基于音频水印的语音带宽扩展的装置和方法
CN102820035A (zh) * 2012-08-23 2012-12-12 无锡思达物电子技术有限公司 一种对长时变噪声的自适应判决方法

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4875166A (en) * 1987-10-09 1989-10-17 Input/Output, Inc. Bandwidth enhancing seismic acquisition system and method
GB8801014D0 (en) * 1988-01-18 1988-02-17 British Telecomm Noise reduction
SE9700772D0 (sv) * 1997-03-03 1997-03-03 Ericsson Telefon Ab L M A high resolution post processing method for a speech decoder
US6415253B1 (en) 1998-02-20 2002-07-02 Meta-C Corporation Method and apparatus for enhancing noise-corrupted speech
DE10017646A1 (de) 2000-04-08 2001-10-11 Alcatel Sa Geräuschunterdrückung im Zeitbereich
US20040122596A1 (en) 2002-12-19 2004-06-24 Core Laboratories, Inc. Method for high frequency restoration of seismic data
EP1719114A2 (en) 2004-02-18 2006-11-08 Philips Intellectual Property & Standards GmbH Method and system for generating training data for an automatic speech recogniser
US7742914B2 (en) 2005-03-07 2010-06-22 Daniel A. Kosek Audio spectral noise reduction method and apparatus
JP4674505B2 (ja) 2005-08-01 2011-04-20 ソニー株式会社 音声信号処理方法、音場再現システム
GB2437559B (en) 2006-04-26 2010-12-22 Zarlink Semiconductor Inc Low complexity noise reduction method
US9336785B2 (en) 2008-05-12 2016-05-10 Broadcom Corporation Compression for speech intelligibility enhancement
US9197181B2 (en) 2008-05-12 2015-11-24 Broadcom Corporation Loudness enhancement system and method
US20120143604A1 (en) 2010-12-07 2012-06-07 Rita Singh Method for Restoring Spectral Components in Denoised Speech Signals
US9360577B2 (en) * 2012-01-31 2016-06-07 Cgg Services Sa Method and apparatus for processing seismic data
CA2995530C (en) * 2013-09-12 2018-07-24 Saudi Arabian Oil Company Dynamic threshold methods, systems, computer readable media, and program code for filtering noise and restoring attenuated high-frequency components of acoustic signals

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1416639A (zh) * 2000-01-27 2003-05-07 高通股份有限公司 实现回声对消器的改进系统和方法
CN1620751A (zh) * 2000-08-14 2005-05-25 清晰音频有限公司 声音增强系统
US20050071156A1 (en) * 2003-09-30 2005-03-31 Intel Corporation Method for spectral subtraction in speech enhancement
CN1700306A (zh) * 2004-05-18 2005-11-23 中国科学院声学研究所 一种自适应谷点降噪方法及系统
GB2426167A (en) * 2005-05-09 2006-11-15 Toshiba Res Europ Ltd Quantile based noise estimation
CN101000769A (zh) * 2006-01-13 2007-07-18 三星电子株式会社 便携式记录器中消除噪声的装置和方法
CN102543086A (zh) * 2011-12-16 2012-07-04 大连理工大学 一种基于音频水印的语音带宽扩展的装置和方法
CN102820035A (zh) * 2012-08-23 2012-12-12 无锡思达物电子技术有限公司 一种对长时变噪声的自适应判决方法

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108806677A (zh) * 2018-02-14 2018-11-13 美律电子(深圳)有限公司 音频处理装置及音频处理方法
CN108806677B (zh) * 2018-02-14 2020-10-13 美律电子(深圳)有限公司 音频处理装置及音频处理方法
CN108847208A (zh) * 2018-05-04 2018-11-20 歌尔科技有限公司 一种降噪处理方法、装置和耳机
US11328705B2 (en) 2018-05-04 2022-05-10 Goertek Technology Co., Ltd. Noise-reduction processing method and device, and earphones
CN112477813A (zh) * 2019-09-12 2021-03-12 长沙智能驾驶研究院有限公司 感知设备的清洁控制方法、装置、车辆及其清洁控制系统
CN110954919A (zh) * 2019-12-13 2020-04-03 华中科技大学 一种面阵激光探测器的固定值噪声确定方法及去除方法
CN110954919B (zh) * 2019-12-13 2022-03-18 华中科技大学 一种面阵激光探测器的固定值噪声确定方法及去除方法
CN112331225A (zh) * 2020-10-26 2021-02-05 东南大学 一种高噪声环境下辅助听力的方法及装置
CN112331225B (zh) * 2020-10-26 2023-09-26 东南大学 一种高噪声环境下辅助听力的方法及装置
CN115836867A (zh) * 2023-02-14 2023-03-24 中国科学技术大学 一种双分支融合的深度学习脑电降噪方法、设备及介质
CN115836867B (zh) * 2023-02-14 2023-06-16 中国科学技术大学 一种双分支融合的深度学习脑电降噪方法、设备及介质

Also Published As

Publication number Publication date
US20150071035A1 (en) 2015-03-12
CA2995482A1 (en) 2015-03-19
CA2923888C (en) 2018-11-27
CA2995482C (en) 2018-07-24
EP3044789B1 (en) 2019-09-11
CA2995530A1 (en) 2015-03-19
CN105723458B (zh) 2019-09-24
CA2995530C (en) 2018-07-24
SA516370716B1 (ar) 2019-07-29
EP3044789A1 (en) 2016-07-20
WO2015038975A1 (en) 2015-03-19
CA2923888A1 (en) 2015-03-19
US9696444B2 (en) 2017-07-04
US20150071036A1 (en) 2015-03-12
US9684087B2 (en) 2017-06-20

Similar Documents

Publication Publication Date Title
CN105723458A (zh) 用于滤除噪声和还原声信号遭到衰减的高频分量的动态阈值方法、系统、计算机可读介质和程序代码
JP4350690B2 (ja) 音声品質向上方法及び装置
US12057132B2 (en) Method, apparatus, and device for transient noise detection
CN104036786A (zh) 一种语音降噪的方法及装置
DE102018124769A1 (de) Systeme, Vorrichtungen und Verfahren zur Drohnenaudiogeräuschreduzierung
AU2011362626B2 (en) Acoustic signal processing using model-based adaptive filtering
CN110689885B (zh) 机器合成语音识别方法、装置、存储介质及电子设备
EP2927906A1 (en) Method and apparatus for detecting voice signal
CN112780259B (zh) 一种确定固井质量的方法、装置和存储介质
WO2007149522A3 (en) Using statistics of a fitting function for data driven dispersion slowness processing
CN110853677B (zh) 歌曲的鼓声节拍识别方法、装置、终端和非临时性计算机可读存储介质
CN106680873B (zh) 一种自动衡量地震数据谐波噪声强弱的振幅谱比值方法
CN105911590B (zh) 一种谐波噪声的压制处理方法及装置
CN103295580A (zh) 一种语音信号噪声抑制方法及装置
CN112901146B (zh) 声波测井探测中坏道的识别方法及装置
US8838445B1 (en) Method of removing contamination in acoustic noise measurements
CN111308560A (zh) 一种随钻测量mwd系统噪声消除方法和装置
JP2007264567A (ja) 音声中の非発話音声の判別処理方法
EP1503225A3 (en) Determination of Geophone Coupling
CN112147226B (zh) 一种基于激光超声信号小波降噪的最优分解层数确定方法
CN112764109B (zh) 偶极横波反射波的分离提取方法及装置
US20070208559A1 (en) Joint signal and model based noise matching noise robustness method for automatic speech recognition
CN117789764A (zh) 车机输出音频检测方法、系统、控制装置及存储介质
CN109584843B (zh) 高度自修正式白松古筝
CN115236753A (zh) 致密砂岩储层nmr回波数据变分模态域自适应滤波方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant