雜訊常用演算法
① 怎麼利用FFT演算法對音頻雜訊進行處理
fft是快速傅里葉變換，它是頻譜分析的一種重要工具，例如，在處理過程中使用了快速傅立葉
變換fft，因此用平均周期圖法計算功率譜密度函數估計是非常迅速的
② 減少雜訊的匹配濾波演算法
（1）傳統匹配濾波演算法
Rickett et al.（2001）給出了匹配濾波簡要的公式及運算元長度設計標准，本節給出了更為詳細的匹配 濾波公式，並給出推導公式基本條件和結果。
設同一地區不同時期Y1，Y2得到的地震數據分別為GY1（t），GY2（t），取Y1年份的地震記錄為參
考地震道，使Y2年份相應的地震記錄與之匹配。選取歸一化運算元p使得目標泛函：
海上時移地震油藏監測技術
極小。最終得到關於求解匹配濾波器｛P（m），m＝1，2，…，L｝的L個方程的方程組：
海上時移地震油藏監測技術
為意義更明確，對上面的公式進一步簡化，令
海上時移地震油藏監測技術
上兩式中：RY2Y2（m－n）為時間延遲為m－n的時期Y2地震記錄在設計窗口中的自相關；RY1Y2（n）為時間延遲為n的時期Y1與時期Y2地震記錄在設計窗口中的互相關，於是方程（4.8）可以進一步寫成：
海上時移地震油藏監測技術
求解方程組（4.11）得到匹配濾波器運算元｛P（m），m＝1，2，…，L｝，用
海上時移地震油藏監測技術
校正相應的地震剖面。通過實際數據處理結果驗證了上述推導的正確性和方法的有效性。
方程（4.11）寫成矩陣形式：
海上時移地震油藏監測技術
式中：M為時期Y2地震記錄在設計窗口中的自相關序列組成的Toeplitz矩陣，R為時期Y1與時期Y2地 震記錄在設計窗口中的互相關序列向量。求解方程（4.13）可採用Levinson遞推演算法，計算效率高。
為了減少噪音的影響，通常引入阻尼項，方程（4.13）變為
海上時移地震油藏監測技術
式中：μ為很小的數，通常為可設為0.01或0.001。
實際應用中，可以發現式（4.13）受雜訊的影響很大，不穩定。雖然加入阻尼項後結果有所改善，但 如何選取合適阻尼因子又是一個難題。為此推導新的匹配濾波表達形式，尋求更穩健的求解方法。
（2）新匹配濾波公式
同樣設同一地區不同時期Y1，Y2得到的地震數據分別為GY1（t），GY2（t），取Y1年份的地震記錄 為參考地震道，使Y2年份相應的地震記錄與之匹配。則匹配過程可描述為
海上時移地震油藏監測技術
其中M為GY2組成的褶積矩陣。如果設地震道的采樣點數為n，設計濾波器f長度為m，M則為（2×n－1）×m矩陣，為保持矩陣維數相同，一種方法是將GY1後面補零為（2×n－1）×1向量，另一種方法是取 矩陣M的前n×m項。如果採用第一種方法，可以驗證得到的公式與（4.13）式相同。在此採用後一種方 法，得到新的匹配濾波方程。只要設計濾波器f足夠長，總能滿足能量差e（f）最小，根據范數定義：
海上時移地震油藏監測技術
求解能量差e（f）最小問題可轉化為
海上時移地震油藏監測技術
即對濾波因子向量求導，最終可歸結為求解線性方程：
海上時移地震油藏監測技術
如果記A＝MTM，b＝MTGY1，方程（4.18）轉化為
海上時移地震油藏監測技術
（4.19）式形式上與（4.13）式類似，內容不同，不再是Toeplitz矩陣，因此不能應用Levinson遞推演算法求解。因此，引入奇異值分解方法求解方程（4.19）。
（3）基於奇異值分解的匹配濾波演算法
矩陣的奇異值分解，是矩陣計算中一套很有用的技術。它可以有效地處理系數矩陣是奇異的或者接 近奇異的方程組。對於矩陣A，如果A∈Rm×n，並且A的秩為r，總有
海上時移地震油藏監測技術
其中， V為正交陣。 ，並且 為A 的奇異值。
公式（4.20）即為矩陣A的奇異值分解，根據正交矩陣的性質：
海上時移地震油藏監測技術
很容易表示出矩陣A的逆矩陣
海上時移地震油藏監測技術
將式（4.22）帶入式（4.19）中，得到濾波因子的表達式為
海上時移地震油藏監測技術
實際計算中，當A是奇異陣出現奇異值，或A接近奇異或病態矩陣時，（4.23）式的計算過程就無法進行。這時可將出現的奇異項 （σk是零，或者數值很小）簡單地替換成零或很小的常數，通過這種方法能得 到方程穩定的解。
對於實際含有雜訊的信號，信號能量主要分布在奇異值大的分量上，因此去除小奇異值同時能消除 雜訊影響。通常可選取某一能量百分比的奇異值作為去除的閾值，以這種方式既能克服A接近奇異或病 態矩陣的影響，又能減小雜訊的影響，使濾波因子穩健。
（4）模擬數據驗證
模擬得到一組存在時間、振幅、頻率、相位差異的信號，作為基測線與監測測線地震道，對監測測 線地震道加入不同比例的隨機雜訊，組成驗正演算法有效性的數據體，如圖4.10所示。分別用傳統的匹配 濾波方法和重新推導的基於奇異值分解的匹配濾波方法進行匹配處理，比較匹配後基測線與監測測線振 幅差異，結果見圖4.11和圖4.12。可以看出，傳統匹配濾波公式的計算結果受雜訊的影響很大，而基於 奇異值分解的匹配濾波方法具有很好的抗雜訊能力。
圖4.10 模擬地震記錄（從上至下依次為加入0％，10％，20％，30％雜訊的信號）
圖4.11 傳統方法匹配結果
圖4.12 基於奇異值分解方法匹配結果
（5）實際數據驗證
選擇一塊同一地區兩次不同時間測得的兩條二維測線；選取油藏上方時間長度為300ms的窗口作為 濾波因子設計窗口，並以抽取其中139道構成驗證互均衡演算法的數據體（圖4.13，圖4.14）。分別採用 傳統匹配濾波公式與基於奇異值分解的匹配濾波兩種方法進行校正。比較差異剖面的平均能量，結果見 圖4.15。從圖中可知基於奇異值分解的匹配濾波方法具有更好的抗雜訊能力，匹配誤差遠小於傳統匹配 濾波。
圖4.13 某地區時間1地震記錄
圖4.14 某地區時間2地震記錄
圖4.15 兩種匹配方法結果誤差能量對比圖
本節推導了新的匹配濾波方程，提出基於奇異值分解的匹配濾波演算法，理論和實際數據都驗證了該 方法有效性。這里從計算精度上比較兩種匹配濾波演算法，實際處理時移地震數據時還要考慮計算時間，此時尋求快速的奇異值分解演算法是一種提高處理效率的方式，另外針對不同信噪比，將傳統匹配濾波算 法與基於奇異值分解的匹配濾波演算法結合應用同樣是一種很好的方式。總之，基於奇異值分解的匹配濾 波提高了匹配精度，有利於為時移地震解釋提供一致性更好的地震資料。
③ 雜訊估計的方法
介紹幾種常見的單通道雜訊估計演算法。雜訊估計主要基於以下三個現象。
(1)在音頻信號中，閉塞因閉合段頻譜能量趨於0或者接近雜訊水平。雜訊在頻譜上分布不均勻，不同的頻帶具有不同的SNR.對於任意類型雜訊，只要該頻帶無語音的概率很高或者SNR很低，則可以估計/更新該頻帶的雜訊譜，這類思想是遞歸平均雜訊估計演算法(the recursive-averaging type of noise-estimation algorithms)的支撐點。
(2)即使在語音活動的區域，帶噪語音信號在單個頻帶的功率通常會衰減到雜訊的功率水平，我們因此可以追蹤在短時窗內（0.4~1s）帶噪語音譜每個頻帶的最小值，實現各個頻帶雜訊的估計。該現象是最小值跟蹤演算法（the minima-tracking algorithms）的支撐點。
(3)每個頻帶能量的直方圖揭示了一個理論：出現頻次最高的值對應頻帶的雜訊水平。有時譜能量直方圖有兩種模式：1）低能量對應無聲段、語音的低能量段;2）高能量模式對應（noisy）語音的濁音段。低能量成分大於高能量成分。
因而總結出三類雜訊估計演算法
1、遞歸平均雜訊演算法
2、最小值跟蹤演算法
3、直方圖雜訊估計演算法
④ 怎樣計算聲音的分貝
專業的方法就是利用分貝儀測試身邊雜訊的大小，操作簡單，結果直觀，分貝儀是最基本的雜訊測量儀器，它是一種電子儀器，但又不同於電壓表等客觀電子儀表。工作原理：由傳聲器將聲音轉換成電信號，再由前置放大器變換阻抗，使傳聲器與衰減器匹配。放大器將輸出信號加到計權網路，對信號進行頻率計權(或外接濾波器)，然後再經衰減器及放大器將信號放大到一定的幅值，送到有效值檢波器(或外按電平記錄儀)，在顯示器上給出雜訊聲級三、時間平均聲級或等效連續聲級LeqA聲級能夠較好地反映人耳對雜訊的強度和頻率的主觀感覺，對於一個連續的穩定雜訊，它是一種較好的評價方法。但是對於起伏的或不連續的雜訊，很難確定A聲級的大小。例如我們測量交通雜訊，當有汽車通過時雜訊可能是75dB，但當沒有汽車通過時可能只有50dB，這時就很難說交通雜訊是75dB還是50dB。又如一個人在雜訊環境下工作，間歇接觸雜訊與一直接觸雜訊對人的影響也不一樣，因為人所接觸的雜訊能量不一樣。為此提出了用雜訊能量平均的方法來評價雜訊對人的影響，這就是時間平均聲級或等效連續聲級，用Leq表示。這里仍用A計權，故亦稱等效連續A聲級LAeq。等效連續A聲級定義為：在聲場中某一定位置上，用某一段時間能量平均的方法，將間歇出現的變化的A聲級以一個A聲級來表示該段時間內的雜訊大小，並稱這個A聲級為此時間段的等效連續A聲級，即：=(2-4)式中：pA（t）是瞬時A計權聲壓；p0是參考聲壓（2×10-5Pa）；LA是變化A聲級的瞬時值，單位dB；T是某段時間的總量。實際測量雜訊是通過不連續的采樣進行測量，假如采樣時間間隔相等，則：（2-5）式中：N是測量的聲級總個數，LAi是采樣到的第i個A聲級。對於連續的穩定雜訊，等效連續聲級就等於測得的A聲級。四、晝夜等效聲級通常雜訊在晚上比白天更顯得吵，尤其對睡眠的干擾是如此。評價結果表明，晚上雜訊的干擾通常比白天高10dB。為了把不同時間雜訊對人的干擾不同的