这是相位的 MATLAB 实验：

[x Fs Nbit]= wavread('test.wav',1024*100); % 获得一首歌曲 ;)
x = x(:,1); % 获取单个通道
Y = abs(fft(x)); % 一次对整个片段进行 FFT！
y = 真实的(ifft(Y)); % 丢弃所有相位信息并重建 y

y2 = 零（1，长度（x））；% NOW：我们将分块处理！
for i=1:1024:100*1024 % 得到一个块，取它的 fft，从 fft 大小重建一个块
 y2(i:i+1023) = 实数(ifft(abs(fft(x(i:i+1023)))));
结尾

图，情节（x）；% 一首歌曲
图，绘图（y）；% 仅从整件的 MAGNITUDE IFFT 获得
figure,plot(y2);% 仅从 1024 个样本块的 MAGNITUDE 的 IFFT 获得

声音（x，Fs，Nbit）；％ 原本的
声音（y，Fs，Nbit）；% 单件，这是垃圾！
声音（y2，Fs，Nbit）；% 基于块，机器人但可理解！

您需要做的是使用原始嘈杂语音信号的相位，即根据某些最优性标准（在这种情况下为 MMSE）计算的增益因子仅改善幅度。因此，语音信号是从（希望）改进的幅度和原始相位中重建的。为什么这个工作已经在评论中解释过（主要论点通常是人耳对原始相位的变化不敏感，只要它们不是随时间变化的）。