检测风噪声

Question

我想根据音频流开发一个用于检测风的应用程序 我需要一些专家的想法，只是为了给我指导或一些链接，我知道这不是一件容易的事，但我打算在这里付出很多努力。

我的计划是检测流中的一些常见模式，如果值接近风噪声的常见模式，我会通知找到匹配，如果值更接近已知模式，我可以确保检测到风，如果值与模式不匹配，那么我猜没有那么多的风....

这是我最初的计划，但我需要了解这些事情是如何完成的。是否有一些开放项目已经这样做了？或者是否有人正在研究这个主题？

我在这个论坛上写的原因是因为我不知道如何谷歌它，我找到的东西不是我想要的。我真的不知道如何开始开发这种算法。

编辑1：
我试着录制一个风，当我为我打开保存的音频文件时，它只是一堆数字:)。我甚至不知道我应该以什么格式保存这个，波浪足够好吗？我应该使用别的东西，或者如果我用mp3转换风噪音频文件怎么样？这会有助于解析吗？

我收到很多问题，那是因为我不知道从哪里可以阅读更多关于这类话题的内容。我用guidlines标记我的问题，所以我希望有人会帮助我。

必须有可检测到的东西，因为风噪声是如此常见，必须以某种方式检测到这一点，我们只需要有人给我提示，熟悉这个话题的人。

Answer 1

我刚刚看到这篇文章，我最近创建了一个可以检测录音中的风噪声的库。

我制作了风噪声模型并创建了一个示例数据库，然后训练了机器学习算法，以感知加权的方式检测和计量风级。

C++/C code is here如果它对任何人都有用！

Answer 2

您的问题的科学被称为“模式分类”，尤其是“音频模式分类”的子领域。该任务被抽象为将录音分为两类（风和非风）。你似乎没有强大的信号处理背景，所以让我插入一个中央警告： 模式分类并不像最初看起来那么容易。人类在模式分类方面表现出色。电脑没有。

良好的第一种方法通常是计算信号和样本的傅立叶变换的相关性。但不知道这取决于风速有多大。

您可能需要查看bag-of-frames方法，它已成功用于对环境噪音进行分类。

Answer 3

正如@thiton所说，这是音频模式分类的一个例子。

风的主要特征：它是一种形状（带/ hp滤波）的白噪声，具有幅度和间距小的半随机波动。至少大多数合成器如何重现它并且听起来很有说服力。

您必须检查光谱内容并更改波形文件，因此您需要进行FFT。输入格式并不重要，但显然原材料（wav）更好。

一旦你得到它，你应该发现它接近某种有色噪声，然后可能提取一系列的音高和振幅，并尝试使用经典模式分类算法来处理该数据集。我认为有监督的学习可以在这里发挥作用。

Answer 4

这实际上是一个难以解决的问题。

假设您只有一个麦克风数据。打开音频文件（时域信号）时获得的原始数据有一些但不是很多信息用于此类处理。您需要使用FFT进入频域并查看频率区间的统计信息，并使用它来使用SVM或随机森林构建分类器。

对@ Karoly-Horvath充分尊重，我也不会使用任何经过压缩的录音，例如mp3。音频压缩算法总是会扭曲较高的频率，事实证明，这是现在检测风的一个重要特征。如果可能，从麦克风获取原始PCM数据。 您还需要确保以至少24kHz的频率对录音进行采样，以便获得高达12kHz的信号。

最后 - 频域中的风形不是简单的滤波白噪声。其特点是它通常在低频率（一种隆隆声类型）中具有高能量，在高频下具有剪切和拍打声音。 高频能量非常短暂，因此如果您的FFT大小过大，您将错过这一重要功能。

如果你有2个麦克风数据，那么这会更容易一些。记录时，风是一种局部现象。当然，在录音中，你可以听到树叶的沙沙声或由风引起的钟声。但这不是风噪声，不应过滤掉。

您在录音中听到的实际恼人的风噪声是空气撞击麦克风的膜。这种效果是一个本地事件 - 如果你有2个麦克风可以被利用。它可以被利用，因为事件对于每个单独的麦克风是本地的并且与其他麦克风不相关。当然，2个麦克风相互之间的关系也很重要。它们必须相互靠近（例如，在8英寸内）。

然后可以使用时域correlation来确定风噪声的存在。 （所有其他录制的声音彼此相关，因为麦克风彼此非常接近，因此高相关性意味着没有风，低相关性意味着风）。如果您使用此方法，则无需解压缩输入音频文件。合理的压缩算法不会影响这一点。

我希望这个概述有所帮助。