噪声常用算法
① 怎么利用FFT算法对音频噪声进行处理
fft是快速傅里叶变换，它是频谱分析的一种重要工具，例如，在处理过程中使用了快速傅立叶
变换fft，因此用平均周期图法计算功率谱密度函数估计是非常迅速的
② 减少噪声的匹配滤波算法
（1）传统匹配滤波算法
Rickett et al.（2001）给出了匹配滤波简要的公式及算子长度设计标准，本节给出了更为详细的匹配 滤波公式，并给出推导公式基本条件和结果。
设同一地区不同时期Y1，Y2得到的地震数据分别为GY1（t），GY2（t），取Y1年份的地震记录为参
考地震道，使Y2年份相应的地震记录与之匹配。选取归一化算子p使得目标泛函：
海上时移地震油藏监测技术
极小。最终得到关于求解匹配滤波器｛P（m），m＝1，2，…，L｝的L个方程的方程组：
海上时移地震油藏监测技术
为意义更明确，对上面的公式进一步简化，令
海上时移地震油藏监测技术
上两式中：RY2Y2（m－n）为时间延迟为m－n的时期Y2地震记录在设计窗口中的自相关；RY1Y2（n）为时间延迟为n的时期Y1与时期Y2地震记录在设计窗口中的互相关，于是方程（4.8）可以进一步写成：
海上时移地震油藏监测技术
求解方程组（4.11）得到匹配滤波器算子｛P（m），m＝1，2，…，L｝，用
海上时移地震油藏监测技术
校正相应的地震剖面。通过实际数据处理结果验证了上述推导的正确性和方法的有效性。
方程（4.11）写成矩阵形式：
海上时移地震油藏监测技术
式中：M为时期Y2地震记录在设计窗口中的自相关序列组成的Toeplitz矩阵，R为时期Y1与时期Y2地 震记录在设计窗口中的互相关序列向量。求解方程（4.13）可采用Levinson递推算法，计算效率高。
为了减少噪音的影响，通常引入阻尼项，方程（4.13）变为
海上时移地震油藏监测技术
式中：μ为很小的数，通常为可设为0.01或0.001。
实际应用中，可以发现式（4.13）受噪声的影响很大，不稳定。虽然加入阻尼项后结果有所改善，但 如何选取合适阻尼因子又是一个难题。为此推导新的匹配滤波表达形式，寻求更稳健的求解方法。
（2）新匹配滤波公式
同样设同一地区不同时期Y1，Y2得到的地震数据分别为GY1（t），GY2（t），取Y1年份的地震记录 为参考地震道，使Y2年份相应的地震记录与之匹配。则匹配过程可描述为
海上时移地震油藏监测技术
其中M为GY2组成的褶积矩阵。如果设地震道的采样点数为n，设计滤波器f长度为m，M则为（2×n－1）×m矩阵，为保持矩阵维数相同，一种方法是将GY1后面补零为（2×n－1）×1向量，另一种方法是取 矩阵M的前n×m项。如果采用第一种方法，可以验证得到的公式与（4.13）式相同。在此采用后一种方 法，得到新的匹配滤波方程。只要设计滤波器f足够长，总能满足能量差e（f）最小，根据范数定义：
海上时移地震油藏监测技术
求解能量差e（f）最小问题可转化为
海上时移地震油藏监测技术
即对滤波因子向量求导，最终可归结为求解线性方程：
海上时移地震油藏监测技术
如果记A＝MTM，b＝MTGY1，方程（4.18）转化为
海上时移地震油藏监测技术
（4.19）式形式上与（4.13）式类似，内容不同，不再是Toeplitz矩阵，因此不能应用Levinson递推算法求解。因此，引入奇异值分解方法求解方程（4.19）。
（3）基于奇异值分解的匹配滤波算法
矩阵的奇异值分解，是矩阵计算中一套很有用的技术。它可以有效地处理系数矩阵是奇异的或者接 近奇异的方程组。对于矩阵A，如果A∈Rm×n，并且A的秩为r，总有
海上时移地震油藏监测技术
其中， V为正交阵。 ，并且 为A 的奇异值。
公式（4.20）即为矩阵A的奇异值分解，根据正交矩阵的性质：
海上时移地震油藏监测技术
很容易表示出矩阵A的逆矩阵
海上时移地震油藏监测技术
将式（4.22）带入式（4.19）中，得到滤波因子的表达式为
海上时移地震油藏监测技术
实际计算中，当A是奇异阵出现奇异值，或A接近奇异或病态矩阵时，（4.23）式的计算过程就无法进行。这时可将出现的奇异项 （σk是零，或者数值很小）简单地替换成零或很小的常数，通过这种方法能得 到方程稳定的解。
对于实际含有噪声的信号，信号能量主要分布在奇异值大的分量上，因此去除小奇异值同时能消除 噪声影响。通常可选取某一能量百分比的奇异值作为去除的阈值，以这种方式既能克服A接近奇异或病 态矩阵的影响，又能减小噪声的影响，使滤波因子稳健。
（4）模拟数据验证
模拟得到一组存在时间、振幅、频率、相位差异的信号，作为基测线与监测测线地震道，对监测测 线地震道加入不同比例的随机噪声，组成验正算法有效性的数据体，如图4.10所示。分别用传统的匹配 滤波方法和重新推导的基于奇异值分解的匹配滤波方法进行匹配处理，比较匹配后基测线与监测测线振 幅差异，结果见图4.11和图4.12。可以看出，传统匹配滤波公式的计算结果受噪声的影响很大，而基于 奇异值分解的匹配滤波方法具有很好的抗噪声能力。
图4.10 模拟地震记录（从上至下依次为加入0％，10％，20％，30％噪声的信号）
图4.11 传统方法匹配结果
图4.12 基于奇异值分解方法匹配结果
（5）实际数据验证
选择一块同一地区两次不同时间测得的两条二维测线；选取油藏上方时间长度为300ms的窗口作为 滤波因子设计窗口，并以抽取其中139道构成验证互均衡算法的数据体（图4.13，图4.14）。分别采用 传统匹配滤波公式与基于奇异值分解的匹配滤波两种方法进行校正。比较差异剖面的平均能量，结果见 图4.15。从图中可知基于奇异值分解的匹配滤波方法具有更好的抗噪声能力，匹配误差远小于传统匹配 滤波。
图4.13 某地区时间1地震记录
图4.14 某地区时间2地震记录
图4.15 两种匹配方法结果误差能量对比图
本节推导了新的匹配滤波方程，提出基于奇异值分解的匹配滤波算法，理论和实际数据都验证了该 方法有效性。这里从计算精度上比较两种匹配滤波算法，实际处理时移地震数据时还要考虑计算时间，此时寻求快速的奇异值分解算法是一种提高处理效率的方式，另外针对不同信噪比，将传统匹配滤波算 法与基于奇异值分解的匹配滤波算法结合应用同样是一种很好的方式。总之，基于奇异值分解的匹配滤 波提高了匹配精度，有利于为时移地震解释提供一致性更好的地震资料。
③ 噪声估计的方法
介绍几种常见的单通道噪声估计算法。噪声估计主要基于以下三个现象。
(1)在音频信号中，闭塞因闭合段频谱能量趋于0或者接近噪声水平。噪声在频谱上分布不均匀，不同的频带具有不同的SNR.对于任意类型噪声，只要该频带无语音的概率很高或者SNR很低，则可以估计/更新该频带的噪声谱，这类思想是递归平均噪声估计算法(the recursive-averaging type of noise-estimation algorithms)的支撑点。
(2)即使在语音活动的区域，带噪语音信号在单个频带的功率通常会衰减到噪声的功率水平，我们因此可以追踪在短时窗内（0.4~1s）带噪语音谱每个频带的最小值，实现各个频带噪声的估计。该现象是最小值跟踪算法（the minima-tracking algorithms）的支撑点。
(3)每个频带能量的直方图揭示了一个理论：出现频次最高的值对应频带的噪声水平。有时谱能量直方图有两种模式：1）低能量对应无声段、语音的低能量段;2）高能量模式对应（noisy）语音的浊音段。低能量成分大于高能量成分。
因而总结出三类噪声估计算法
1、递归平均噪声算法
2、最小值跟踪算法
3、直方图噪声估计算法
④ 怎样计算声音的分贝
专业的方法就是利用分贝仪测试身边噪声的大小，操作简单，结果直观，分贝仪是最基本的噪声测量仪器，它是一种电子仪器，但又不同于电压表等客观电子仪表。工作原理：由传声器将声音转换成电信号，再由前置放大器变换阻抗，使传声器与衰减器匹配。放大器将输出信号加到计权网络，对信号进行频率计权(或外接滤波器)，然后再经衰减器及放大器将信号放大到一定的幅值，送到有效值检波器(或外按电平记录仪)，在显示器上给出噪声声级三、时间平均声级或等效连续声级LeqA声级能够较好地反映人耳对噪声的强度和频率的主观感觉，对于一个连续的稳定噪声，它是一种较好的评价方法。但是对于起伏的或不连续的噪声，很难确定A声级的大小。例如我们测量交通噪声，当有汽车通过时噪声可能是75dB，但当没有汽车通过时可能只有50dB，这时就很难说交通噪声是75dB还是50dB。又如一个人在噪声环境下工作，间歇接触噪声与一直接触噪声对人的影响也不一样，因为人所接触的噪声能量不一样。为此提出了用噪声能量平均的方法来评价噪声对人的影响，这就是时间平均声级或等效连续声级，用Leq表示。这里仍用A计权，故亦称等效连续A声级LAeq。等效连续A声级定义为：在声场中某一定位置上，用某一段时间能量平均的方法，将间歇出现的变化的A声级以一个A声级来表示该段时间内的噪声大小，并称这个A声级为此时间段的等效连续A声级，即：=(2-4)式中：pA（t）是瞬时A计权声压；p0是参考声压（2×10-5Pa）；LA是变化A声级的瞬时值，单位dB；T是某段时间的总量。实际测量噪声是通过不连续的采样进行测量，假如采样时间间隔相等，则：（2-5）式中：N是测量的声级总个数，LAi是采样到的第i个A声级。对于连续的稳定噪声，等效连续声级就等于测得的A声级。四、昼夜等效声级通常噪声在晚上比白天更显得吵，尤其对睡眠的干扰是如此。评价结果表明，晚上噪声的干扰通常比白天高10dB。为了把不同时间噪声对人的干扰不同的