C7.12.1Stationary versus transient noise in ASR设计研究
稳态噪声与瞬态噪声对识别的干扰机制不同
别名: 稳态噪声 · 瞬态噪声 · babble · impulsive noise
概念解释
背景可以大致分成稳态噪声（空调、引擎、风扇：统计上缓慢变化）和瞬态噪声（关门、敲击、笑一声、碗碰：短时脉冲或突发）。两者对识别的干扰机制不同。稳态主要抬高噪声基底、掩蔽弱辅音；瞬态在短窗里炸毁若干帧，并常被 VAD 当成语音或把端点打乱。同样的“吵”，对策不是同一套。
机制
稳态噪声近似可估计的功率谱，维纳滤波、谱减和现代掩蔽网络可以用较长上下文去预测噪声。它造成的错误多为持续的替换和删除，尤其是擦音和词尾。瞬态的频谱在出现前不可预测，自适应滤波器来不及跟上；脉冲会在编码器里留下一个与任何音素都不像的块，解码器或插入一个假词，或删掉碰巧叠上的真词。多说话人喧哗（babble）介于两者之间：像稳态的能量，却含语音结构，最容易骗过“非语音”模型。可用性门限讨论的是总 SNR；这里是能量比相同、时间结构不同时，错的形状会变。
怎么研究
用同一语音叠不同噪声类，在匹配的 SNR 下比 WER 构成（替换/插入/删除）和端点误差。噪声材料用稳态宽带、脉冲、babble 分列。报告不要只给一个混合噪声集的总分。现场再按厨房（瞬态多）和车舱（稳态多）复验。
边界
音乐既有准稳态的伴奏又有节拍脉冲，不能单列进一类。回声和房间混响是卷积问题，不是加性稳态。风噪在麦克风上接近宽带稳态，但有阵风瞬态。把所有厨房失败都叫 SNR 不够，会错过“锅响把端点切断”这种瞬态事故。
怎么落地
- 按目标场景的主导噪声选增强：车舱偏稳态抑制，厨房还要防脉冲切断端点。
- 评测集按噪声类拆开，插入错误升高时先查瞬态和 VAD，替换升高时先查稳态掩蔽。
- 在瞬态密集场景提供不依赖连续语音流的短命令或按键，避免一整句被一次撞击毁掉。