Matlab低通滤波器语音去噪：时域频域图与参数选型

1. 先把问题拆开：语音去噪到底在去什么

我处理过不少语音降噪的活儿，从会议录音、客服通话到设备采集的现场声，最开始大家都会去找各种"高级算法"，但真正落到工程里，很多时候一个设计得当的低通滤波器就能把问题解决掉一大半。原因很朴素：绝大多数让人烦躁的噪声，能量恰好压在语音主要频段之外，尤其是高频那一段。齿音、电流底噪、设备自噪声、录音笔的本底嘶声，这些玩意儿在 4kHz 以上堆得满满当当，而人说话的能量重心基本落在 300Hz 到 3400Hz 之间。你把 4kHz 以上切掉，噪声里的"沙沙"感立刻下去一大截，而语音的可懂度几乎不受影响。

这篇内容讲的就是这件事：用低通滤波器做语音去噪，配合时域波形图和频域频谱图看清楚"去掉了什么、留下了什么"，并且给出可以直接跑的 Matlab 代码。适合三类人看——刚接触数字信号处理的同学，需要快速交一个课程设计或者实验报告；做嵌入式音频采集的工程师，想在前端加一级最省算力的预处理；还有已经会调filter函数但画出来的频谱图自己都看不懂的实践者。我不打算只贴一段代码就完事，重点是那些参数为什么这么定、阶数怎么算出来的、图画成什么样才算"有信息量"，以及我踩过的那些坑。

先明确一个前提，免得后面走偏：低通滤波去噪是有适用边界的。它对付的是高频段噪声，对付不了低频噪声。空调嗡嗡声、电源工频干扰、机器低频振动，这些能量在 50Hz 到 300Hz 之间，低通滤波器对它们完全无能为力，甚至会因为通带增益把它们一起放大。所以动手之前，一定先看一眼含噪语音的频谱，确认噪声到底在哪一段，这一步比写代码重要十倍。

1.1 语音信号与噪声在频谱上的分布差异

人声的产生机制决定了它的频谱形状。声带振动给出基频，成年男声大概 80Hz 到 180Hz，女声 160Hz 到 300Hz，这个基频经过声道共鸣腔的调制，形成一系列谐波，谐波的能量包络就是我们说的共振峰。元音的第一共振峰通常在 300Hz 到 900Hz，第二共振峰在 900Hz 到 2500Hz，第三共振峰往上到 3500Hz 左右。再往上，能量衰减得非常快。也就是说，语音的"有效信息"高度集中在 3.5kHz 以内，这也是为什么电话系统从几十年前就把带宽定在 300Hz 到 3400Hz——足够听懂，又最省线路资源。

噪声就不一样了。白噪声的功率谱是平的，在整个频带上均匀分布；热噪声、量化噪声也是类似特征。录音设备的前置放大器自噪声、ADC 的量化底噪，这些在高频段往往比语音的残余能量还高。所以当你在频谱图上看到 5kHz 以上还有一片"草地"，而语音的谐波结构在 3.5kHz 之后已经基本消失，那这片草地就是纯噪声，可以放心切掉。

这里有个容易忽略的点：语音的清音（比如"s"、"sh"、"f"、"c"）本身就是宽带噪声性质的，频谱能延伸到 8kHz 以上。如果你把截止频率压到 3kHz，这些清音会被削掉，听感上就是"大舌头""含着东西说话"。这就是低通滤波去噪的第一个trade-off：降噪量和清晰度之间的平衡。我的经验是，截止频率不要低于 3.4kHz，除非你明确知道这段语音不需要辨听细节。

另一个必须提前判断的因素是噪声的时变性。低通滤波器的系数是固定的，它对整段信号一视同仁。如果噪声只出现在某一段（比如中间有人咳嗽、有键盘敲击），固定滤波器管不了这个，那是谱减法或者维纳滤波的活儿。低通滤波擅长的是稳态的、频谱位置明确的宽带噪声，这类问题用固定滤波器既稳又便宜。

1.2 为什么低通滤波器是入门首选，也是容易被误用的方案

选低通滤波器的理由很实在：计算量小、因果性好、参数少、行为可预测。一个 8 阶的 IIR 低通，每采样点只需要十几次乘加，跑在几十兆主频的单片机上毫无压力；相比之下，谱减法要做 FFT、估计噪声谱、做减法、再 IFFT，中间还有一堆需要调的超参数，稍不注意就引入"音乐噪声"——那种忽隐忽现的、像水泡破裂一样的声音，比原来的底噪还难听。

但"容易上手"恰恰是它最大的风险。我见过太多人直接写一句b = fir1(20, 0.2)，然后就开始调截止频率，调到频谱图看起来"干净"为止，从来不问这个 0.2 对应多少赫兹、20 阶够不够、过渡带有多宽。这样的结果往往有两种：一种是截止频率定得太低，语音闷成一团；另一种是阶数太低，过渡带拖得极长，本该切掉的 5kHz 附近只衰减了 3dB，等于没滤。

提示：归一化频率是一个高频错误点。Matlab 里fir1、butter的Wn参数是相对于奈奎斯特频率归一化的，也就是Wn = f_c / (f_s/2)。采样率 16kHz 时，截止 4kHz 对应Wn = 0.5，不是 0.25。差这一步，滤波器就整体跑偏了。

还有一个误区是把低通当万能药。有人拿着一段带电流声的录音来问，为什么滤完还是嗡嗡的。电流声是 50Hz 及其谐波，落在通带正中间，低通滤波器对它零衰减。这种情况应该用带阻（陷波）滤波器，或者先做高通把 100Hz 以下切掉。判断逻辑很简单：看频谱，噪声在通带内，低通没用；噪声在阻带内，低通有效。

2. 方案与参数选型：截止频率不是拍脑袋定的

参数选型这一节是我最想讲透的部分，因为大部分教程直接给一组数字就完事，读者换个采样率就懵了。实际上，截止频率、滤波器阶数、滤波器类型这三个量是互相牵制的，必须结合采样率一起算。

2.1 采样率、奈奎斯特频率与截止频率的约束关系

数字滤波器能处理的频率范围上限是奈奎斯特频率，即采样率的一半。这是硬约束：采样率 8kHz，你最多能处理到 4kHz，截止频率必须严格小于 4kHz，否则滤波器设计直接失效，Matlab 会报错或者给出一个无意义的响应。

实际工程里，语音采样的常见配置有这么几档，对应的截止频率选择我列了一个表：

注意 16kHz 采样这一档，我给出的截止频率范围比"语音上限 6.5kHz"低不少，这是故意的。因为去噪的主要收益来自切掉 4kHz 以上的噪声堆积区，而 4kHz 到 6.5kHz 这一段保留的清音信息对可懂度贡献有限，却塞满了噪声。如果你做的不是音乐性内容，只是要"听得清说的什么"，把截止压到 4kHz 左右是性价比最高的位置。

还有一点常被忽略：抗混叠滤波。如果原始采集环节没做好抗混叠，2kHz 以上的信号会镜像折叠到低频，那种噪声是滤不掉的，因为它已经混进语音频段了。这种情况下任何后处理都是白费力气，只能回去改采集前端。

2.2 FIR 还是 IIR：两类低通滤波器的取舍

这是绕不开的选择题，我把实际对比列出来：

我的实际做法是：离线处理优先 FIR，因为可以用filtfilt做零相位滤波，完全避开延迟问题，而且线性相位保证了语音的瞬态结构不被拉歪；实时嵌入式场合优先 IIR，因为阶数低，一个 6 阶巴特沃斯就能顶 FIR 的几十阶，内存和算力都省。

有一种情况必须用 FIR：你要做波束成形、要做多路信号的相关分析、要做语音识别前端。这些场合对相位一致性有要求，IIR 的非线性相位会破坏通道间关系。反过来，如果只是"把噪声压下去，人耳听着舒服"，IIR 完全够用。

2.3 阶数怎么算：把过渡带指标翻译成阶数

这是本节的核心，也是最容易被跳过的一步。阶数不是"越大越好"，阶数大了计算量大、IIR 还可能不稳定、数值精度问题也会冒出来（尤其是直接型结构在高阶时极点容易跑出单位圆）。阶数由什么决定？由你要求的阻带衰减量和过渡带宽度共同决定。

先说 IIR 里的巴特沃斯。它的幅频响应满足：

|H(jΩ)|² = 1 / (1 + (Ω/Ω_c)^(2N))

其中 Ω_c 是截止频率（-3dB 点），N 是阶数。要求在某个频率 f_s 处衰减至少 A dB，推导出来：

N ≥ log10(10^(A/10) − 1) / (2 · log10(f_s / f_c))

拿一个具体例子算。假设采样率 16kHz，截止频率 f_c = 3400Hz，希望在 f_s = 4000Hz 处衰减 40dB。代入：

分子：log10(10^4 − 1) = log10(9999) ≈ 4.000 分母：2 × log10(4000/3400) = 2 × log10(1.1765) = 2 × 0.0706 ≈ 0.1412 N ≥ 4.000 / 0.1412 ≈ 28.3，取整 29 阶。

29 阶的巴特沃斯，在 16kHz 采样下做直接型实现，极点密集在单位圆附近，双精度都未必稳，更别说定点实现了。这说明什么？说明过渡带太窄了，要求不合理。把阻带起点放宽到 5000Hz 重新算：

分母：2 × log10(5000/3400) = 2 × log10(1.4706) = 2 × 0.1675 ≈ 0.335 N ≥ 4.000 / 0.335 ≈ 11.9，取整 12 阶。

12 阶的巴特沃斯就现实多了，可以用二阶节级联（SOS）结构实现，数值稳定性好。如果再放宽到 5600Hz，分母变成 2×log10(1.647)=0.4334，N ≥ 9.2，9 阶即可。

同样的问题在 FIR 上怎么算？用窗函数法时，过渡带宽度和阶数的关系近似为：

Δf ≈ k · f_s / N

k 是窗函数相关的常数，矩形窗约 0.9，汉宁窗约 3.1，汉明窗约 3.3，布莱克曼窗约 5.5。假设采样率 16kHz，希望过渡带 Δf = 800Hz，用汉明窗：

N ≈ 3.3 × 16000 / 800 = 66

66 阶的 FIR，每个采样点要 67 次乘加。对离线处理完全无所谓，对实时嵌入式就要掂量了。如果放宽过渡带到 1600Hz，N ≈ 33，就舒服多了。

这里我想强调一个观念：过渡带宽度是你自己定的指标，不是物理约束。大部分人其实并不真的需要"3.4kHz 以上全部杀掉"，需要的只是"4kHz 以上明显压低"。把指标从"陡"改成"够用"，阶数能降一个数量级，这就是工程上的取舍。

3. Matlab 实现全过程：从读音频到画出时域频域图

这一节给完整可跑的流程。我按实际调试顺序来写，每一步附上意图说明和容易出错的地方。代码在 R2018b 之后的版本都能直接跑，不需要额外工具箱（butter、fir1、filtfilt属于 Signal Processing Toolbox，如果没装，只能手写卷积）。

3.1 环境准备与音频读取的几个坑

先解决数据入口。audioread返回的可能是单声道列向量，也可能是双声道矩阵，采样率也可能不是你以为的那个值。这三件事必须在继续之前确认清楚。

% 读取音频文件 [x, fs] = audioread('noisy_speech.wav'); % 关键检查一：通道数 if size(x, 2) > 1 x = mean(x, 2); % 多通道混成单声道 end % 关键检查二：采样率 fprintf('采样率: %d Hz, 奈奎斯特频率: %d Hz\n', fs, fs/2); fprintf('时长: %.2f 秒, 样点数: %d\n', length(x)/fs, length(x)); % 关键检查三：幅度范围与直流偏置 fprintf('幅度范围: [%.4f, %.4f]\n', min(x), max(x)); x = x - mean(x); % 去直流，避免 0Hz 处出现一根巨柱

第一个坑：多声道直接取平均是最省事的做法，但如果两路信号相位有差异（比如双麦克风阵列），取平均会产生梳状滤波效应，某些频率被抵消，频谱图上会出现规律的凹坑。遇到这种情况应该先检查通道间相关性，不是无脑平均。

第二个坑：mean(x)去直流这一步很多人省略。一旦音频里有直流偏置（很常见，尤其是某些采集卡），fft出来的 0Hz 分量会极大，画频谱时把整个纵轴压平，其他频率的细节全看不见了。去直流之后频谱才可读。

第三个坑：如果音频幅度很小（比如 0.02 满量程），画出来的时域图就是一条平线，看不出包络。这时候可以在绘图时单独缩放，但不要改原始数据，因为后面滤波和播放都按原始幅度走。归一化只在输出保存时做一次。

3.2 滤波器设计与滤波执行

我同时给出 FIR 和 IIR 两个版本，实际用哪个按前面 2.2 的判断来。这里都用filtfilt做零相位滤波，代价是会引入3*(N-1)个采样点的边界瞬态，两端要丢弃或者加窗淡化。

%% 方案 A：FIR 低通（推荐离线使用） fc_fir = 4000; % 截止频率 4000 Hz Wn_fir = fc_fir / (fs/2); % 归一化到奈奎斯特频率 N_fir = 66; % 阶数，按 3.3*fs/(2*Δf) 估算 b_fir = fir1(N_fir, Wn_fir, 'low', hamming(N_fir+1)); y_fir = filtfilt(b_fir, 1, x); % 零相位滤波 %% 方案 B：IIR 低通（推荐实时或算力受限使用） fc_iir = 4000; Wn_iir = fc_iir / (fs/2); N_iir = 6; % 巴特沃斯 6 阶 [z, p, k] = butter(N_iir, Wn_iir, 'low'); [sos, g] = zp2sos(z, p, k); % 转成二阶节，数值更稳 y_iir = filtfilt(sos, g, x);

这里有几个细节值得说。fir1的第一个参数是阶数，生成的系数长度是N+1，所以窗函数也要给N+1点，长度对不上会报错或者悄悄出错。这一点新手特别容易翻车。

butter直接给[b, a]在高阶时（比如 12 阶以上）会出现数值问题，因为多项式系数的动态范围太大，极点位置算不准。正确做法是先拿到零极点再用zp2sos转成二阶节级联，filtfilt支持sos, g形式调用。我做过对比，同样的 12 阶巴特沃斯，直接型在 3400Hz 截止下幅频响应开始出现畸变，SOS 结构则是干净的。

filtfilt和filter的区别必须拎清。filter是单向滤波，会引入群延迟，FIR 情况下延迟就是N/2个采样点。66 阶 FIR 在 16kHz 下延迟约 2ms，听起来不明显，但如果你要把滤波后的信号和原始信号做减法看"去掉了什么"，不对齐就会看到完全错乱的差值。filtfilt正反各滤一次，相位正好抵消，延迟为零，代价是幅频响应变成原来的平方——也就是说，原本 40dB 的阻带衰减会变成 80dB，截止点附近的过渡带也更陡。这个副作用通常是我们想要的，但要知道它存在，别拿它去验证"我的滤波器是不是 40dB"。

3.3 时域图和频域图怎么画才有信息量

这是我见过最多人做不好的地方。很多人画频谱就是plot(abs(fft(x)))，出来一堆对称的、看不出任何结构的线，然后自己也不知道该看什么。正确的画法需要处理四件事：取单边谱、加窗、转 dB、对齐频率轴。

function plot_tf(x, y, fs, tag) N = 2^nextpow2(length(x)); % FFT 点数取 2 的幂，加速计算 w = hann(length(x)); % 汉宁窗，抑制频谱泄漏 f = (0:N/2-1) * fs / N; % 单边频率轴 % 时域对比 t = (0:length(x)-1) / fs; figure('Name', tag); subplot(2,2,1); plot(t, x); grid on; xlabel('时间 (s)'); ylabel('幅度'); title([tag ' 去噪前 时域']); xlim([0 min(0.2, t(end))]); % 只显示前 0.2 秒 subplot(2,2,2); plot(t, y); grid on; xlabel('时间 (s)'); ylabel('幅度'); title([tag ' 去噪后 时域']); xlim([0 min(0.2, t(end))]); % 频域对比（单边谱，dB） X = fft(x .* w, N); X = X(1:N/2); Y = fft(y .* w, N); Y = Y(1:N/2); Px = 20*log10(abs(X) + eps); % 加 eps 防止 log10(0) 出 -Inf Py = 20*log10(abs(Y) + eps); subplot(2,2,3); plot(f, Px); grid on; xlabel('频率 (Hz)'); ylabel('幅度 (dB)'); title('去噪前 频谱'); xlim([0 fs/2]); ylim([max(Px)-80, max(Px)+5]); subplot(2,2,4); plot(f, Py); grid on; xlabel('频率 (Hz)'); ylabel('幅度 (dB)'); title('去噪后 频谱'); xlim([0 fs/2]); ylim([max(Py)-80, max(Py)+5]); % 叠加对比，看出被削掉的部分 figure('Name', [tag ' 频谱叠加']); plot(f, Px, 'Color', [0.5 0.5 0.5]); hold on; plot(f, Py, 'r', 'LineWidth', 1); grid on; xlabel('频率 (Hz)'); ylabel('幅度 (dB)'); legend('去噪前', '去噪后'); xlim([0 fs/2]); ylim([max(Px)-80, max(Px)+5]); end

为什么取前 0.2 秒？因为整段语音的时域包络是起伏的，缩放到全长之后就成了一团色块，看不出波形细节。0.1 到 0.3 秒之间通常能包含一个完整的音节，能同时看到基音周期和噪声毛刺，对比效果最直观。

为什么加汉宁窗？FFT 隐含假设信号是周期的，首尾不连续就会产生频谱泄漏，表现为本底"抬升"、谱线变胖。加窗能把泄漏压下去 30dB 以上。代价是主瓣变宽，频率分辨率降低——如果你要看基频的谐波间隔（男声可能只有 80Hz），窗长就要足够；如果只看整体包络，牺牲一点分辨率没关系。这是一个典型的时间-频率分辨率权衡，没有标准答案。

为什么转 dB？语音的动态范围巨大，最强的基频可能比高频噪声高 50dB 以上。线性坐标下，噪声那一部分被压成一条贴地的线，完全看不出结构。转成 dB 之后，噪声的频谱形状、截止频率处的衰减斜率、阻带里的残余，全都清晰可见。纵轴范围我一般取[峰值-80, 峰值+5]，80dB 的动态范围刚好能把语音和噪声的区别显示出来。

nextpow2这一步是为了让 FFT 走基 2 快速算法。虽然现代 Matlab 的 FFT 对任意长度也能算，但 2 的幂次还是最快的，而且频率轴点数整齐好对齐。

3.4 结果怎么读：三张图各自说明什么

跑完之后你手上至少有四张子图加一张叠加图。别只是看一眼"哦，干净了"，要读出具体信息。

时域图看的是三件事：整体包络有没有变、毛刺有没有减少、语音起始段有没有被削掉。如果去噪后的波形在静音段变成了完全平直的一条线，说明你切得挺狠；如果语音开头的爆破音位置被削了个凹陷，那是filtfilt的边界瞬态影响了起始部分，需要在两端各丢弃几百个采样点。

频谱图看的是截止频率那个位置。正确的效果应该是：在f_c之前，两条曲线（去噪前后）基本重合；在f_c之后，红色曲线以明显斜率往下走，和灰线拉开距离。这个"拉开的斜率"就是你的滤波器阶数决定的过渡带陡峭度。如果你发现 5kHz 处只拉开 10dB，而期望是 40dB，那要么阶数不够，要么归一化频率算错了。

叠加图看的是"我到底牺牲了什么"。把两条曲线画在一张图里，落差最大的区域就是你切掉的部分。如果这个区域明显低于 3.5kHz，那你要警惕语音已经被削了；如果这个区域正好从 4kHz 开始，那就是干净利落。

还有一种情况：频谱图上完全看不出区别。这通常不是滤波器没生效，而是信号里本来就没有多少高频噪声，或者ylim设得太宽把差异压扁了。先max(abs(y-x))看看差值的量级，再回去调ylim。

4. 效果评估：别只看图好看

图好看不等于效果好，这是我在项目里吃过亏的地方。有一次我把一段录音滤得频谱图非常漂亮，4kHz 以上干干净净，结果客户一听就说"人像是捂着嘴在说话"。问题就在于截止频率压到了 2.8kHz，第二、第三共振峰全被削了，可懂度直接掉了一个档次。

4.1 主观听感永远优先

任何降噪处理，第一评判标准是听。我的习惯是做 A/B 盲听：把原始和去噪后的版本随机顺序放出来，让不熟悉这个项目的人听，问三个问题——听清了吗、累不累、有没有奇怪的声音。这三个问题对应可懂度、听觉舒适度和伪影。

低通滤波最容易引入的伪影是"闷"。判断方法很简单：如果去噪后需要把音量调大才能听清，说明你切掉了太多东西，能量损失严重。另一个伪影是"振铃"，主要出现在高阶 IIR 上，尤其是在语音的爆破音位置，会听到"叮"的一声。这是因为 IIR 的通带边缘相位非线性，对瞬态信号产生了拖尾。降低阶数或者换 FIR 就能解决。

4.2 客观指标怎么用才不误导

常用的客观指标有三个，我列一下它们的适用性和局限：

这里有个陷阱：如果你拿不到干净参考信号，就没法算真正的 SNR。很多教程里"滤波前后 SNR 提升了多少"的算法是拿滤波后的信号当参考的，这是循环论证，数字毫无意义。我在没有参考的情况下，更愿意用"静音段能量下降量"这个指标——挑一段明确没人说话的区间，比较滤波前后这段的 RMS。这个数字直接反映降噪效果，且不依赖参考。

有参考信号时，我更关注 LSD 而不是 SNR。因为低通滤波会把语音本身的一部分也削掉，这会拉低 SNR 的表现（语音能量也变小了），但 LSD 能反映"频谱形状是否被破坏"，更贴近听感。

5. 常见问题与排查实录

这一节是我攒下来的真实问题清单，按出现频率排序。遇到现象先查表，能省掉大半调试时间。

5.1 问题速查表

5.2 三个我踩过最深的坑

第一个坑是归一化频率算错。有次换了个 44.1kHz 的素材，代码里Wn还是按 16kHz 写的 0.5，实际相当于截止 11kHz，等于没滤。后来我养成了一个习惯：所有涉及频率的地方，变量名都带上单位后缀，比如fc_hz、fs_hz，算归一化时写Wn = fc_hz / (fs_hz/2);，一眼能看出关系。

第二个坑是filtfilt的边界效应被忽略。66 阶 FIR 做零相位滤波，实际上相当于正反各滤一次，边界影响范围是3*(N-1)个采样点，66 阶就是 195 点，16kHz 下约 12ms。如果这段语音开头就是一个爆破音，正好落在这 12ms 里，就会被削掉。我的处理是：在原始信号前后各补一段静音（补零或者镜像延拓），滤完之后再裁掉，这样语音本体不受影响。

第三个坑是滤波器系数精度的隐性损失。用butter(10, 0.4)拿到的b, a是双精度，但如果要移植到定点 DSP 上，系数要量化成 16 位，这时候高阶直接型滤波器就会崩——极点位置偏移导致频率响应完全变形。所以从设计阶段就建议用zp2sos转二阶节，二阶节结构对系数量化不敏感，这是数字信号处理里非常成熟的经验。

注意：不要用"听不出差别"来判断参数对不对。人耳对 4kHz 以上的衰减不敏感，但对 3kHz 附近的削减弱非常敏感。参数验证要靠频谱图加客观指标，听感只做最终确认。

5.3 一个容易被忽略的前置检查

做滤波之前，先看一眼原始信号的频谱，判断噪声类型。这个步骤花不了两分钟，能避免后面所有的无用功。具体看三点：噪声在哪个频段集中、是稳态还是突发、有没有明显的窄带峰（比如某根特别高的尖峰，那是单频干扰，该用陷波）。

如果频谱上 5kHz 以上是一片均匀的草地，说明是宽带噪声，低通有效。如果频谱上从 0Hz 开始整体抬升，而且低频比高频高，那是低频噪声为主，低通只会让它更明显。如果频谱上有几根孤立的尖峰（比如 50Hz、100Hz、150Hz），那是谐波干扰，带阻滤波器才是正确工具。这三种情况的处理方案完全不同，选错方向再优化参数也是白搭。

6. 想再往前走一步可以试的方向

低通滤波做完，如果效果还不够，有几个低成本的升级路线。第一个是分帧处理，语音在 20 到 30ms 内可以认为短时平稳，把信号切帧，对每帧判断是不是语音段，静音段用更激进的截止频率，语音段用保守的，这样能避免"一刀切"带来的语音损伤。第二个是高通加低通组合，先切掉 80Hz 以下的低频噪声，再做低通，形成带通，成本几乎没增加，但对录音设备的低频隆隆声效果明显。第三个是自适应截止频率，先对整段信号做一次频谱分析，用一个简单的能量阈值找到噪声开始明显超过语音包络的频率点，把这个点作为截止频率，比固定值更省心。

不过说句实在话，如果你的噪声不是宽带的、位置还在语音频段内部，低通再怎么优化也就那样了。这时候该转向谱减法或者基于统计模型的方法，那是另一个话题。低通滤波器在整条降噪链路里最合适的位置，其实是最前面那一级预处理——把明显在带外的噪声清掉，后面做任何复杂算法，输入都会干净很多，迭代起来也更快。

我自己的习惯是，任何新的录音素材进来，先跑一遍这个低通脚本，看时域和频域两张图，用两分钟判断噪声分布，再决定要不要上更重的方法。这个流程下来，真正需要复杂算法的场景，其实比想象中少得多。