基于小波变换与 BP 神经网络的多噪声类型识别与自适应音频降噪方法

王 深
暨南大学

摘要

本研究针对包含多类噪声，如背景噪声、突发噪声与带状噪声的复杂音频信号，提出了一种结合小波变换与 BP
神经网络的噪声识别方法，并设计了具有自适应能力的多阶段降噪算法。通过连续小波变换与离散小波变换提取时频特征，
利用构建的 BP 神经网络对噪声类型进行多标签识别与量化。在此基础上，根据不同噪声类型的特征参数，分别应用谱减法、
小波阈值去噪与带阻滤波器等方法实现自适应降噪。实验结果显示，模型在处理两个音频样本时均能有效识别噪声类型，
降噪后信噪比分别得到提升，频谱图与波形图对比进一步验证了降噪效果与语音清晰度的改善。本方法适用于复杂噪声环
境下的语音增强任务，具备良好的准确性与鲁棒性。

关键词

音频去噪；小波变换；BP 神经网络；自适应算法；信噪比提升

参考

[1] 胡赵宇 , 李喆 , 蒙国勇等 . 基于 Conv-TasNet 的变压

器音频降噪识别网络 [J]. 电气自动化 ,2024,46(6):82-85.

[2] 李志远 . 基于深度学习的广播电视音频降噪技术 [J].

电声技术 ,2024,48(12):122-125.

[3] 刘豪 . 音频降噪回声消除技术研究和应用 [J]. 通信电

源技术 ,2021,38(5):195-197.

[4] 赵琳 . 基于卷积神经网络的数字音频降噪技术研究

[J]. 电声技术 ,2025,49(5):82-84.

[5] 赵丹 , 李蕊 . 噪声环境中多轨道数字音频信号降噪方

法 [J]. 现代电子技术 ,2024,47(13):19-22.

[6] 刘卫强 , 林品荣 , 陈儒军等 . 基于深度学习与联合降

噪的可控源音频大地电磁抗干扰数据处理方法研究 [J]. 地球

物理学进展 ,2024,39(4):1457-1473.

[7] 樊一帆 , 张丽丹 . 强噪环境基于谱减法的录音数字音

频信号降噪 [J]. 计算机仿真 ,2023,40(11):433-436,474.

[8] 魏远征 . 融合人工智能的音频信号降噪技术研究 [J].

电声技术 ,2024,48(3):144-146.

[9] 陈伟 . 音频信号处理中的自适应降噪算法 [J]. 电声技

术 ,2024,48(3):51-53.

[10] 牛怡琴 . 数字音频信号处理中的主动降噪方法 [J].

卫星电视与宽带多媒体 ,2024(11):126-128.

[11] 王政一 , 侯婕 . 基于人工智能技术的电视广播音频

自动化降噪方法研究 [J]. 电声技术 ,2025,49(1):119-121.