1.概要

WebRTCで雑音抑圧処理用の関数は基本下記になります：

WebRtcNs_Create

WebRtcNs_Init

WebRtcNs_set_policy

WebRtcNs_Analyze

WebRtcNs_Process

WebRtcNs_Free

初期化と最後のフリーを除いて、中心の処理は下記の二つになります：

WebRtcNs_Analyze

WebRtcNs_Process

2.雑音抑圧の基本アルゴリズム

2.1 雑音抑圧の実行関数

WebRtcNs_Processで呼び出されたWebRtcNs_ProcessCore

2.2 処理ロジック

1.インプットした音声データ(RTP payload)により、音声コンテキストを更新する

2.音声データに対して、高速フーリエ変換(FFT)を行う

3.音声データをWienerフィルタに入力し、雑音抑圧を行う(ComputeDdBasedWienerFilter)

4.音声データに対して、逆高速フーリエ変換(IFFT)を行う

※波形調整関連の処理は省略

2.3 Wienerフィルタの実現コード

static void ComputeDdBasedWienerFilter(const NoiseSuppressionC* self, const float* magn, float* theFilter) 
{
  size_t i;
  float snrPrior, previousEstimateStsa, currentEstimateStsa;

  for (i = 0; i < self->magnLen; i++) {
    // Previous estimate: based on previous frame with gain filter.
    previousEstimateStsa = self->magnPrevProcess[i] /
                           (self->noisePrev[i] + 0.0001f) * self->smooth[i];
    // Post and prior SNR.
    currentEstimateStsa = 0.f;
    if (magn[i] > self->noise[i]) {
      currentEstimateStsa = magn[i] / (self->noise[i] + 0.0001f) - 1.f;
    }
    // DD estimate is sum of two terms: current estimate and previous estimate.
    // Directed decision update of |snrPrior|.
    snrPrior = DD_PR_SNR * previousEstimateStsa +
               (1.f - DD_PR_SNR) * currentEstimateStsa;
    // Gain filter.
    theFilter[i] = snrPrior / (self->overdrive + snrPrior);
  }  // End of loop over frequencies.
}

3.雑音抑圧の効果

3.1 雑音抑圧無し

3.2 雑音抑圧あり

雑音抑圧無しと比較して、下の波形では、明らかにノイズが抑制されています。

一番下の波形図の黒い枠のところはフィルタの学習フェーズであり、赤い枠のところは作業フェーズです。

通話開始時や音声が著しく変化する場合、フィルタの学習にはある程度の時間がかかり、この時の雑音抑圧効果は比較的弱いことがわかります。これは、Wienerフィルタの性質とも一致しています。