在視頻或者音頻通話過程中，一方面為了減小原始聲音數據的傳輸碼率，需要進行音頻壓縮，另一方面為了得到更高質量的音質，需要進行音頻處理。如何處理好這兩方面，保證聲音傳播的高真性，是個技術活兒！
音頻處理的方法主要包括：音頻降噪、自動增益控制、回聲抑制、靜音檢測和生成舒適噪聲，主要的應用場景是視頻或者音頻通話領域。音頻壓縮包括各種音頻編碼標準，涵蓋ITU制定的電信領域音頻壓縮標準（G.7xx系列）和微軟、Google、蘋果、杜比等公司制定的互聯網領域的音頻壓縮標準。（iLBC、SILK、OPUS、AAC、AC3等）。
音頻基礎概念
在進一步了解音頻處理和壓縮之前需要知道這些：
（1）音調：泛指聲音的頻率信息，人耳的主觀感受為聲音的低沉（低音）或者尖銳（高音）。
（2）響度：聲音的強弱。
（3）采樣率：聲音信息在由模擬信號轉化為數字信號過程中的精確程度，采樣率越高，聲音信息保留的越多。
（4）采樣精度：聲音信息在由模擬信號轉化為數字信號過程中，表示每一個采樣點所需要的字節數，一般為16bit（雙字節）表示一個采樣點。
（5）聲道數：相關的幾路聲音數量，常見的如單聲道、雙聲道、5.1聲道。
（6）音頻幀長：音頻處理或者壓縮所操作的一段音頻信息，常見的是10ms，20ms，30ms。
音頻處理基礎
1 噪聲抑制（Noise Suppression）
手機等設備采集的原始聲音往往包含了背景噪聲，影響聽眾的主觀體驗，降低音頻壓縮效率。以Google著名的開源框架WebRTC為例，我們對其中的噪聲抑制算法進行嚴謹的測試，發現該算法可以對白噪聲和有色噪聲進行良好的抑制。滿足視頻或者語音通話的要求。
其他常見的噪聲抑制算法如開源項目Speex包含的噪聲抑制算法，也有較好的效果，該算法適用范圍較WebRTC的噪聲抑制算法更加廣泛，可以在任意采樣率下使用。
2 回聲消除（Acoustic EchoCanceller）
在視頻或者音頻通話過程中，本地的聲音傳輸到對端播放之后，聲音會被對端的麥克風采集，混合著對端人聲一起傳輸到本地播放，這樣本地播放的聲音包含了本地原來采集的聲音，造成主觀感覺聽到了自己的回聲。
回聲產生的原理如下圖所示：
以WebRTC為例，其中的回聲抑制模塊建議移動設備采用運算量較小的AECM算法，該算法的處理步驟如下圖所示。有興趣的讀者可以參考AECM的源代碼進行研究，這里不展開介紹了。
3 自動增益控制（Auto Gain Control）
手機等設備采集的音頻數據往往有時候響度偏高，有時候響度偏低，造成聲音忽大忽小，影響聽眾的主觀感受。自動增益控制算法根據預先配置的參數對輸入聲音進行正向/負向調節，使得輸出的聲音適宜人耳的主觀感受。
以WebRTC為例，它的自動增益控制算法的基本流程圖如下所示。
4 靜音檢測（Voice ActivityDetection）
靜音檢測的基本原理：計算音頻的功率譜密度，如果功率譜密度小于閾值則認為是靜音，否則認為是聲音。靜音檢測廣泛應用于音頻編碼、AGC、AECM等。
5 舒適噪聲產生（ComfortableNoiseGeneration）
舒適噪聲產生的基本原理：根據噪聲的功率譜密度，人為構造噪聲。廣泛適用于音頻編解碼器。在編碼端計算靜音時的白噪聲功率譜密度，將靜音時段和功率譜密度信息編碼。在解碼端，根據時間信息和功率譜密度信息，重建隨機白噪聲。
它的應用場景：完全靜音時，為了創造舒適的通話體驗，在音頻后處理階段添加隨機白噪聲。
音頻編碼基礎
音頻的另一個廣泛應用的領域：音頻編碼。
首先看一下當前應用最廣泛的一些音頻編碼標準，如下圖所示。
圖中橫軸是音頻編碼碼率，縱軸是音頻頻帶信息。從圖中我們可以獲得如下幾方面信息。
（1）對于固定碼率的編碼標準，如G.711或者G.722，圖中采用單點表示，說明這兩個編碼標準是固定碼率編碼標準。其他如Opus、Speex，它們的曲線是連續的，說明這類編碼標準是可變碼率的編碼標準。
（2）從頻帶方面看，G.711、G.722、AMR和iLBC等標準適用于narrowband（8khz采樣率）和wideband（16khz采樣率）范圍，針對普通的語音通話場景。AAC和MP3適用于fullband（48khz采樣率）范圍，針對特殊的音樂場景。而Opus適用于整個頻帶，可以進行最大范圍的動態調節，適用范圍最廣。
（3）從標準的收費情況看，適用于互聯網傳輸的iLBC、Speex和Opus都是免費且開源的；適用于音樂場景的MP3和AAC，需要license授權，而且不開源。
|
