一、PCM音频与降噪技术概述

PCM（脉冲编码调制）是数字音频最基础的存储格式，通过离散采样将模拟信号转换为二进制数据流。在Java音频处理中，PCM数据通常以字节数组或short数组形式存在，每个采样点包含振幅信息。音频降噪的核心目标是消除背景噪声、电子干扰等无关信号，同时保留原始语音或音乐特征。

Java生态中处理PCM音频的常用库包括：

• javax.sound.sampled：Java标准库中的基础音频I/O接口
• TarsosDSP：第三方音频处理库，提供FFT等信号处理工具
• JAudioLib：支持实时音频捕获与处理的扩展库

典型噪声场景包括：

1. 麦克风底噪（约-50dB至-40dB）
2. 电力线嗡嗡声（50Hz/60Hz谐波）
3. 环境突发噪声（键盘敲击、关门声）
4. 信道传输噪声（网络音频流中的丢包补偿噪声）

二、核心降噪算法实现

1. 短时能量分析法（基于阈值）

public class EnergyBasedDenoise {
    private static final int FRAME_SIZE = 256; // 帧长（采样点数）
    private static final int OVERLAP = 128;   // 帧重叠
    private static final float THRESHOLD = 0.1f; // 能量阈值系数
    public short[] process(short[] pcmData, int sampleRate) {
        int frameCount = (pcmData.length - FRAME_SIZE) / (FRAME_SIZE - OVERLAP) + 1;
        short[] output = new short[pcmData.length];
        for (int i = 0; i < frameCount; i++) {
            int start = i * (FRAME_SIZE - OVERLAP);
            int end = start + FRAME_SIZE;
            if (end > pcmData.length) break;
            // 计算帧能量
            float energy = 0;
            for (int j = start; j < end; j++) {
                energy += Math.pow(pcmData[j], 2);
            }
            energy /= FRAME_SIZE;
            // 阈值判断（动态调整）
            float dynamicThreshold = THRESHOLD * calculateNoiseFloor(pcmData);
            if (energy < dynamicThreshold) {
                // 噪声帧处理：线性衰减或静音
                Arrays.fill(output, start, end, (short)0);
            } else {
                System.arraycopy(pcmData, start, output, start, FRAME_SIZE);
            }
        }
        return output;
    }
    private float calculateNoiseFloor(short[] data) {
        // 简化版：取前10帧的最小能量作为噪声基底
        // 实际应用中应采用VAD（语音活动检测）算法
        return 1000f; // 示例值
    }
}

算法要点：

• 分帧处理（20-30ms帧长，50%重叠）
• 动态阈值计算（通常取噪声段能量的1.5-2倍）
• 噪声帧处理策略：静音/衰减/噪声替换
• 适用于稳态噪声（如风扇声、空调声）

2. 频谱减法（Spectral Subtraction）

import be.tarsos.dsp.AudioDispatcher;
import be.tarsos.dsp.io.jvm.AudioDispatcherFactory;
import be.tarsos.dsp.mfcc.MFCC;
import be.tarsos.dsp.fft.FFT;
public class SpectralSubtraction {
    private static final int FFT_SIZE = 512;
    private static final float ALPHA = 2.0f; // 过减因子
    private static final float BETA = 0.002f; // 谱底参数
    public void process(AudioDispatcher dispatcher) {
        FFT fft = new FFT(FFT_SIZE);
        float[] noiseSpectrum = estimateNoiseSpectrum(dispatcher);
        dispatcher.addAudioProcessor(audioEvent -> {
            float[] buffer = audioEvent.getBuffer();
            float[] magnitude = new float[FFT_SIZE/2];
            float[] phase = new float[FFT_SIZE/2];
            // 执行FFT
            fft.forward(buffer);
            for (int i = 0; i < FFT_SIZE/2; i++) {
                magnitude[i] = fft.getSpectrum()[i];
                phase[i] = (float) Math.atan2(fft.getIm(i), fft.getRe(i));
            }
            // 频谱减法
            for (int i = 0; i < FFT_SIZE/2; i++) {
                float estimatedNoise = noiseSpectrum[i];
                float subtracted = Math.max(magnitude[i] - ALPHA * estimatedNoise, BETA * estimatedNoise);
                magnitude[i] = subtracted;
            }
            // 重建时域信号
            // （此处需补充IFFT和重叠相加处理）
            return true;
        });
    }
    private float[] estimateNoiseSpectrum(AudioDispatcher dispatcher) {
        // 实际应用中应采集前0.5-1秒的无语音段作为噪声样本
        return new float[FFT_SIZE/2]; // 简化示例
    }
}

关键参数：

• 过减因子α（1.5-4）：控制降噪强度
• 谱底参数β（0.001-0.01）：防止音乐噪声
• 噪声谱估计：需在语音间隙更新
• 改进方向：结合VAD动态更新噪声谱

3. 自适应滤波（LMS算法）

public class AdaptiveFilter {
    private float[] filterCoefficients;
    private float stepSize = 0.01f; // 收敛步长
    private int filterOrder = 32;
    public AdaptiveFilter(int order) {
        filterCoefficients = new float[order];
        Arrays.fill(filterCoefficients, 0.1f);
    }
    public float processSample(float desired, float reference) {
        // 参考信号延迟线（简化示例）
        float[] delayLine = new float[filterOrder];
        // （实际实现需维护延迟线状态）
        // 计算滤波输出
        float output = 0;
        for (int i = 0; i < filterOrder; i++) {
            output += filterCoefficients[i] * delayLine[i];
        }
        // 误差计算与系数更新
        float error = desired - output;
        for (int i = 0; i < filterOrder; i++) {
            filterCoefficients[i] += stepSize * error * delayLine[i];
        }
        return output;
    }
}

应用场景：

• 回声消除（AEC）
• 周期性噪声抑制（如50Hz工频噪声）
• 需配合双麦克风阵列使用
• 收敛速度与稳态误差的权衡

三、工程实现建议

1. 性能优化策略

• 内存管理：采用对象池模式复用FFT实例
• 并行处理：使用Java的Fork/Join框架处理多通道音频
• JNI加速：对计算密集型部分（如FFT）调用本地库
• 采样率适配：8kHz（语音） vs 44.1kHz（音乐）的不同策略

2. 效果评估指标

• 信噪比提升（SNR）：降噪后与原始噪声的比值
• 对数谱失真（LSD）：频域相似度度量
• PESQ评分：ITU-T标准语音质量评估（需专用库）
• 实时性要求：端到端延迟应<100ms

3. 典型参数配置

算法类型	帧长(ms)	步长(ms)	适用场景
短时能量法	20-30	10	稳态噪声
频谱减法	32	16	非稳态噪声
自适应滤波	-	-	回声/周期性噪声

四、完整处理流程示例

public class AudioProcessor {
    private EnergyBasedDenoise energyDenoise = new EnergyBasedDenoise();
    private SpectralSubtraction spectralSub = new SpectralSubtraction();
    private AdaptiveFilter lmsFilter = new AdaptiveFilter(32);
    public void processStream(InputStream audioStream) throws IOException {
        // 1. 读取PCM数据
        byte[] pcmBytes = readFully(audioStream);
        short[] pcmData = bytesToShorts(pcmBytes);
        // 2. 预处理（去直流、预加重）
        preEmphasis(pcmData, 0.95f);
        // 3. 分阶段降噪
        short[] stage1 = energyDenoise.process(pcmData, 16000);
        short[] stage2 = applySpectralSubtraction(stage1);
        short[] stage3 = applyLMSFilter(stage2);
        // 4. 后处理（去预加重、限幅）
        deEmphasis(stage3, 0.95f);
        clipSamples(stage3, Short.MAX_VALUE);
        // 5. 输出处理结果
        writeToWavFile(stage3, "output.wav");
    }
    // 其他辅助方法实现...
}

五、进阶研究方向

1. 深度学习降噪：

   • 使用LSTM网络建模噪声特征
   • 结合CRN（Convolutional Recurrent Network）架构
   • Java调用TensorFlow Lite模型

2. 麦克风阵列处理：

   • 波束形成（Beamforming）技术
   • 空间滤波抑制方向性噪声
   • 需多通道音频输入支持

3. 实时处理优化：

   • 环形缓冲区管理
   • 零拷贝音频I/O
   • GPU加速计算（通过JOCL）

本文提供的算法实现覆盖了从基础到进阶的PCM音频降噪技术，开发者可根据具体场景选择组合使用。实际工程中需结合语音活动检测（VAD）、双端检测（DTD）等技术提升鲁棒性，并通过大量真实场景数据调优参数。对于商业级应用，建议采用C/C++核心算法+Java封装的混合架构以平衡性能与开发效率。