理论上一个优质的听力仪器能分清讲话和噪音，然后放大有用的讲话而抑制在信号内不良的噪音。新近在数字化信号处理方面的发展，包括智能信号检测和噪音衰减技术，帮助这一愿望得以实现。
 
噪音衰减算法的效果主要依赖听力仪器的信号检测和分类系统的设计。一些早期噪音衰减算法仅测试信号的振幅来确定声音是有用的信号还是噪音。例如，一个算法设计通过在每个频率范围内的振幅或强度来对声音事件进行分类。那些具有最低的幅度的声音被假设为噪音。每个波段的增益被分别计算，把识别出的噪音的影响减到最小。再把计算所得的增益应用于每个波段，之后输出信号由每个频段的重构信号组成。
但是，仅基于振幅，输入信号不能被正确归类为语音或者噪音，声音不能仅仅根据它们的幅度进行准确分类。而且，条件的改变也未能被考虑到，噪音可能在不同时期的多于或少于统计值。例如，在乘坐一辆小汽车时听收音机，当汽车速度变化时，来自汽车的噪音的幅度也随之适当的上升或下降，然而来自汽车收音机的讲话保持不变。结果是较强烈的噪音，例如小汽车加速的发动机噪音将不被分类为噪音，而很多非噪音的声音，例如汽车收音机，将被分类为噪音。

调制指数是能用来分类进来的信号为语音或者噪音的另一度量法。 调制指数被定义为在每个波段的信号幅度变化率。因为表现为快速而且频繁的幅度变化，所以讲话有一个高的调制指数。另一方面，稳定噪音则有一个低的调制指数。如果在单波段内检测噪音，那么相对于其他无噪音的波段，该波段的获得就减少了。因此，为有利于无噪音波段，有噪音波段被抑制。

此主题相关图片如下：
[upload=gif]

图1 以混有白噪音的1000Hz脉冲信号为例，可以说明如何用调制指数区分噪音和有用信号。

此主题相关图片如下：

图2有利于无噪音波段，有噪音波段被抑制。

信号表征和噪音衰减的更有效方法是同时检查信号的几个要素。这种系统能适用于混有不同内容的噪音的信号，因此，可以被设计来检测和抑制很多不同类别的噪音。

此主题相关图片如下：

按照强度变化、调制频率和时间上的特性，一般可把声音信号分类为：
1. 稳态噪音( 例子： 空调或者电动机/ 发动机)；
2. 假稳态噪音( 例子： 交通或者人群)；
3. 瞬时噪音( 例子： 敲打声或门砰然关上)。
4. 有用的信号( 例子： 讲话或者音乐)。
一个有效的信号检测和噪声衰减系统必须能准确归类信号为这3 类噪音中的1种。这里：
· 强度变化 : 定义为在一个选择的时间段内的声频信号的强度变化。
· 调制频率 : 定义为在一个选择的时间段内信号强度的变化率。
· 时间 : 定义为信号的持续时间。

4种信号类型( 3 类噪音和有用的信号) 可以按如表格1所示在连续范围上安置。
 稳态噪音 假稳态噪音 有用信号 瞬时噪音
强度变化 最小 <-------------------------> 最大
调制频率 最低 <-------------------------> 最高
持续时间 最长 <-------------------------> 最短

对强度变化，调制频率和时间的分析是同时进行的。在每一窄带频段内，这些特征被结合来产生一个信号指数，每个波段的信号通过它的3元信号指数被归类为4个信号类型的一种。这个信号指数确定本波段的输出被放大或抑制了多少。从而，大部分增益被应用于包含有用的信号的波段，而几乎没有增益被用于含噪音的波段。此设计的结果是一个可靠，准确，自适应性的信号检测系统。