帶有SpeechSense算法的AGC在音頻系統(tǒng)中的應(yīng)用

Kane+Zhang

[摘要] 自動增益控制（簡稱為“AGC”）可以在信號的輸出端提供穩(wěn)定增益，而不受輸入端增益不同的影響。本文主要闡述了AGC的工作原理以及在音頻系統(tǒng)中的具體應(yīng)用。

一直以來，傳統(tǒng)的AGC在應(yīng)用中存在一個嚴重的技術(shù)缺陷，即：當環(huán)境噪聲大于所設(shè)定的閾值并且講話者停止講話時，AGC會自動將環(huán)境噪聲放大至所需電平，此時在系統(tǒng)中會出現(xiàn)極大的噪聲。如果我們將閾值提高又會出現(xiàn)講話聲音小的人無法正常啟動AGC。Biamp開發(fā)了一種叫做“SpeechSense（人聲辨識）”的算法，可以智能化地創(chuàng)建閾值和提供可選的“語言模式”，此功能限制了AGC只有在識別到人聲的時候才對信號進行AGC處理，從而徹底消除AGC誤啟動的問題。在本文中，將會詳細介紹SpeechSense算法的工作原理以及在音頻系統(tǒng)中的具體應(yīng)用和系統(tǒng)調(diào)試中的注意事項。

什么是AGC？

AGC是英文“Automatic Gain Control”（自動增益控制）的縮寫。AGC在各個行業(yè)中的應(yīng)用非常廣泛。在模擬電路時代，AGC的控制精度和速率是由模擬電路的設(shè)計和電子元件的精度所決定的，我們稱之為AGC的工作特性。

大家都知道，現(xiàn)在的音頻處理核心產(chǎn)品大都采用DSP芯片進行設(shè)計，因此我們將之統(tǒng)稱為音頻DSP處理器。實際上，與以往的模擬AGC電路不同，DSP處理器的電路設(shè)計大同小異，所采用的芯片也大都雷同。而所有的DSP處理器所支持的功能，如：濾波器、分頻器、路由器、混音器、AGC等等都是由“算法”來實現(xiàn)的。因此，AGC的工作特性完全取決于AGC算法。

為什么音頻系統(tǒng)需要AGC？

在實際的音頻會議系統(tǒng)應(yīng)用中，經(jīng)常會出現(xiàn)以下這些情況：

由于性別的原因或講話者的各自習(xí)慣不同，有的人聲音大些，有的人聲音小些，有的人喜歡離話筒遠些，有的人喜歡離話筒近些，這些情況會導(dǎo)致在音頻系統(tǒng)輸出端的音量幅度產(chǎn)生巨大的差別。

AGC可以針對上述這些情況自動給與“增益補償”。通俗一點的講，當講話者的聲音太大的時候，AGC會自動降低增益，從而使會議的擴聲維持在一個恒定的音量上；反之，講話者的聲音太小，AGC會自動提高增益，以確保系統(tǒng)仍然維持在恒定的音量。在音頻系統(tǒng)中，AGC可以根據(jù)“要求”對聲音信號自動給予“增益補償”。因此通常用于調(diào)節(jié)各種會議系統(tǒng)的不同講話者的聲音音量平衡。

傳統(tǒng)AGC是如何解決這些問題的呢？

首先，我們先來學(xué)習(xí)幾個技術(shù)名詞：

·Level源信號電平：講話者的聲音經(jīng)話筒拾音，進入音頻處理器的原始電平；

·Min Threshold最小電平閾值：啟動AGC的最小電平值；

·Target Level目標電平：我們所需要的，經(jīng)過AGC自動調(diào)整的電平。當輸入電平大于所設(shè)定的Min Threshold，AGC會啟動并自動根據(jù)所設(shè)定的Target Level對源信號進行增益補償，并保持輸入信號為恒定的Target Level。

當源信號電平大于最小電平閾值（Min Threshold）但小于目標電平（Target LeveI）時，AGC啟動并對源信號自動提高增益至目標電平（Target Level）。如圖一所示：

紅色代表經(jīng)AGC調(diào)整后的電平曲線，藍色代表未經(jīng)AGC調(diào)整的源信號電平曲線。當源信號電平小于最小電平閾值（Min Threshold）.AGC關(guān)閉，從而防止AGC將噪聲電平放大輸出。見圖二：

當源信號電平大于最小電平閾值（Min Threshold），并大于目標電平（Target Level）時，AGC啟動并自動衰減輸入信號增益至目標電平（Target Level）。從而實現(xiàn)對輸入信號的自動增益控制，并且在輸出端維持一個相對恒定的音量。見圖三：

傳統(tǒng)AGC在實際應(yīng)用中的問題

上文中我們提到，當源信號大于所設(shè)定的Min Threshold，AGC不工作。其目的是避免AGC電路錯誤地提升系統(tǒng)的噪聲信號。只有在源信號大于某一設(shè)定值時，我們才認為此信號為有用信號并對此信號進行AGC平衡電平。

這種設(shè)計方案看似非常合理，但在實際工作中卻屢屢出錯。比如：我們所用的所有語音通信軟件（如：QQ、Skype、Lync等等）都支持AGC，但在實際使用中經(jīng)常出現(xiàn)的問題是，當兩端的人都不講話的時候，可以非常明顯地感覺到對方的噪聲的提升。

究其原因，在實際工作環(huán)境中，噪聲的值實際上很難預(yù)測，它與有用信號之間有很大的重疊區(qū)域，但我們給定一個MinThreshold的時候，不是當有用信號非常低時AGC沒有啟動，就是噪聲信號高于Min Threshold，AGC錯誤的啟動。

因此，在很長的一段時間，業(yè)內(nèi)都沒有一個徹底的解決方案。帶有SpeechSense（人聲辨識）算法的AGC的工作原理

下面我們來看一下Biamp的AGC是如何解決這個問題的。

其實只有一種辦法能夠徹底地解決AGC不能正確啟動的難題。那就是，真正判斷源信號是否為有用信號。通常在絕大多數(shù)情況下，AGC是用在傳聲話筒的鏈路里，因此，只要我們能夠判斷源信號是否為人聲就可以了。

其實，人聲辨識已經(jīng)不是一個新課題了。經(jīng)研究，人們發(fā)現(xiàn)所有人類的語言有兩種元素是與動物和環(huán)境聲截然不同的。即Plosive爆破音和Fricative摩擦音。比如：中文的“破”和“刺”，或英文中的“Bob”和“Fish”。因此，只要我們對源信號進行采樣并辨識是否有爆破音和摩擦音的存在，就可以判定此信號是否為人聲。

從原理上講，似乎并不困難。但如前文所提到的，AGC的性能完全取決于算法。在極短的時間內(nèi)（通常只有十幾毫秒），SpeechSense AGC算法要完成對源信號的采樣、分析、運算，因此對算法的效率要求極高，并且對信號的人聲片斷分析的準確性要求極為嚴格，要在最大限度內(nèi)保證AGC啟動的準確性。Biamp的AGC不僅可以快速準確的完成增益自動補償，更重要的是它可以非常準確地辨識出源信號是否為人聲，從而確保AGC只有在講話者使用時啟動，有效地避免了AGC誤啟動所造成的噪聲過大的問題。SpeechSense（人聲辨識）算法的AGC的參數(shù)設(shè)定

下面我們來具體看一下有關(guān)SpeechSense AGC的一些參數(shù)是如何配置的。

輸入源電平：通常，我們調(diào)試話筒的時候，要確保講話者與話筒的距離比較合理，且用正常的聲調(diào)對著話筒講話，此時在輸入源電平的讀數(shù)應(yīng)在“OdB”左右。由于傳聲話筒的靈敏度和指向性以及所在環(huán)境的空間噪聲不同，在無人講話的時候，輸入源的最低電平應(yīng)該在-40dB到-20dB之間（如電平顯示過高，則表明現(xiàn)場環(huán)境噪聲過大）。此時，最小電平閾值（Min Threshold）應(yīng)該調(diào)整為略高于無人講話時的輸入源的最低電平。（有關(guān)增益結(jié)構(gòu)的詳細內(nèi)容可到http：//cn.Biamp.com/，點擊進入audia，參考“增益結(jié)構(gòu)”的視頻）。

輸出增益調(diào)節(jié)指示：是指在AGC自動增益調(diào)節(jié)之后的音頻輸出補償?shù)臄?shù)值。補償是根據(jù)目標電平和輸入電平之差所決定的。例如：當源信號的電平為-lOdB，目標電平為OdB，那么輸出補償為+lOdB。

AGC增益保持時間：當AGC不滿足啟動條件時（比如：源信號電平低于Min Threshold或源信號為非語音信號），輸出增益調(diào)節(jié)所保持的時間。例如：如圖當系統(tǒng)檢測到AGC在60秒后仍然沒有啟動，輸出增益調(diào)節(jié)會自動歸零。

最大AGC提升增益：可以設(shè)定AGC自動增益的提升范圍。最大值為30dB，在實際使用中，我們建議的范圍是0-12dB。因為，如以正常情況來調(diào)試系統(tǒng)，一般會議系統(tǒng)的本地擴聲的凈空為6-14dB。也就是說，如果AGC將話筒的音量提升高過凈空值時，系統(tǒng)會產(chǎn)生嘯叫。因此，最大AGC提升增益永遠略低于系統(tǒng)的凈空值。

最大AGC衰減增益：可以設(shè)定AGC自動增益的衰減范圍。最大值為30dB。

增益變化速率：設(shè)定AGC的增益變化速率。例如：如圖MaxAdjustment Rate為5.0，當AGC啟動時，會以每秒5dB的速率進行提升或衰減從而最終達到輸出補償?shù)囊?。在實際應(yīng)用中，如果我們不希望與會者覺察到明顯的聲音增益變化，可以保持默認設(shè)置或適當降低速率。如在演示環(huán)節(jié)，可以適當提升速率，從而使受眾明顯感覺到AGC的工作。

SpeechSense聲音辨識：當此按鈕關(guān)閉時，AGC恢復(fù)傳統(tǒng)AGC的工作模式。當此按鈕開其實，AGC只在檢測到人聲時才會啟動，而任何其它噪聲不會誤觸發(fā)AGC。

Limiter On壓限器：當此功能激活時，系統(tǒng)會自動監(jiān)測AGC之后的電平值并在電平值高于+24dBu時進行壓限，從而確保電平在峰值范圍之內(nèi)。同時壓限器指示會點亮。

AGC Active：當AGC啟動時，此指示燈會點亮，

Advanced：高級設(shè)定。點擊進入，可以看到輸入電平，噪聲電平以及SNR信噪比電平。

因為無法識別人聲與噪聲，所以所有的傳統(tǒng)的AGC都沒有這一選項。而Biamp AGC的SpeechSense的算法不僅能夠準確地識別出人聲，還可以進而精確地計算出人聲與環(huán)境噪聲之間的比值，即信噪比。

因此，在這里可以對聲音的信噪比進行設(shè)定。當源信號的信噪比高于設(shè)定值時，SNR為綠色。當源信號的信噪比低于設(shè)定值時，SNR為紅色。AGC只有在SNR為綠色時，即：源信號的信噪比高于設(shè)定值時才能啟動。

那么SNR的調(diào)整在實際項目中如何應(yīng)用呢？我們下面來看一個例子。

第一種情況是，在實際應(yīng)用中往往存在多只話筒，且話筒間距離較近。實際上我們只希望當演講者有目的地對著話筒講話時，AGC才根據(jù)電平自動調(diào)節(jié)，并且不希望講話者的聲音影響到鄰近的話筒；另一種情況是，當講話者遠離話筒與其他的與會者細聲交流的時候，他們當然不希望系統(tǒng)對這些“交流”也進行AGC自動增益補償。由于傳統(tǒng)的AGC不具備信噪比調(diào)節(jié)的功能，所以上圖示例中，傳統(tǒng)AGC就無法使用了，或者很難調(diào)試。而帶有SpeechSense（人聲辨識）算法的AGC，通過合理調(diào)節(jié)信噪比.就可以讓每一只話筒處于需要的AGCI作狀態(tài)。

以上是對AGC在音頻系統(tǒng)中應(yīng)用的一些總結(jié)，如何更好地發(fā)揮AGC在具體應(yīng)用中的作用還需要進一步的探索與思考。