基于DSP的音頻會議信號合成算法研究

　　隨著在數字信號處理(DSP)算法和芯片處理能力以及通信網絡結構優化等方面的不斷發展，現代化通信已經迅速普及。音頻會議是眾多通信系統的必備功能。有多個用戶參與的音頻會議，最簡單的模式可以使用令牌控制下的互斥模式，使只有擁有發言權的那個與會者才可以講話。在這種模式下，每個與會者某一時刻只能聽到一路音頻信號，這種“半雙工”模式對于音頻會議是不方便和不實際的。

　　真正的電話會議應當仿真多個與會者在一個會議室進行對話的情形。但是由于與會終端在物理上并不在一起，而每個終端只有一套音頻輸出設備(功放+音箱)，要同時傳送給每個終端的音頻流也只能使用一路信道。為使每個終端同時接收多個與會者的聲音，必須采取多路音頻合成方案。電話會議的特點是會場使用麥克風和揚聲器，這種方式很容易造成回波干擾和嘯叫。一般會議信號處理算法主要關注的也是這個方面，通常采用回波抵消的方法。但是這種方式對于會議信號的處理并不是最完善和有效的[1]。經過研究，采用有無聲檢測、歸一化定標、自適應回波抵消算法合成技術則能夠很真實地實現會議仿真效果。

　　1 會議信號合成實現方案

　　1.1 會議信號合成的合理性和必要性

　　音頻流不象典型的視頻流一樣在空間/時間域占有惟一的位置，在同一時間和位置的信號元素疊加是沒有任何意義的。但人耳可以感知在同一空間/時間播放多個音頻流。這就是會議信號合成的合理性和必要性。通過會議信號的合成，將多路音頻流的輸入經過處理后，提供一個單輸出信道輸出合成音頻。

　　1.2 會議信號合成的關鍵因素

　　當多個音頻源在一個空間播放時，人耳聽到的聲波是各個聲源聲波的線性疊加，這正是模擬音頻信號合成的基礎。該事實表明數字化后的語音進行合成也應當使用線性疊加的方式。假設有n路輸入音頻流進行混音，Xi(t)是t時刻的第i路輸入語音的線性樣本，則t時刻的混音值為：

　　語音信號是連續的、時間要求嚴格的一種流媒體信號，它在時域上具有短時平穩的特征。對語音信號進行處理的一個基本概念就是對語音信號進行采樣，得到的語音樣本以緩沖區為單位進行處理，即對語音樣本分幀。語音處理的很多概念都是基于語音幀的，比如有聲/無聲、能量、自相關等。語音幀的長度一般采用10～20ms。 數字音頻的重要參數是采樣率，各路輸入音頻流合成的前提應當是使用相同的采樣率。

　　隨著需要合成的語音信道數量的增加，在不采取任何附加預防措施的情況下，一些并非會議有效信號(如聲反饋和噪音)就會累積起來導致質量劣化,讓人無法接受。特別是由本地擴聲系統產生的電聲反饋引起的回音造成了再生混響，其結果嚴重地影響了語音的清晰度。更為致命的是當聲反饋非常嚴重時會產生自激，使整個通信系統無法正常工作。所以必須對每個終端的輸入音頻進行有無聲檢測和聲反饋抑制處理。

　　語音合成時應注意求和樣本的動態范圍，這引出了歸一化定標問題。數字音頻波形理論定義，定標就是檢查某個選定的幀，找到振幅峰值，并由此調整被選幀整體的音量，以便使允許的振幅值最大，且不會溢出。語音合成是對數字波形進行的一種編輯，尤其需要解決歸一化定標問題。

　　2 會議信號合成關鍵技術研究

　　2.1 自適應回波抵消算法

　　數字回波抵消器的理論基礎是自適應濾波器技術。隨著DSP的快速發展，數字回波抵消器已能很好地在DSP上加以應用。在電話會議中產生回波的最主要原因是遠端會議信號經本地揚聲系統在室內產生的聲場回饋至傳聲器引起回音造成的再生混響。

　　回波抵消器必須精確地估計回波路徑特性并快速適應其變化，根據電話會議的特點，使用干涉抵消模型是最佳的方式。該模型是一個具有二個輸入端的自適應濾波器，如圖1所示。它將本地的傳聲器輸出作為原始信號，而將本地揚聲器的輸入作為參考信號。經過自適應回波抵消處理后，能有效地抑制本地傳聲器的輸出經室內聲場饋至傳聲器的電聲反饋(回音)，從而實現自適應聲反饋(回音)的抵消。

　　回波抵消的核心就是自適應濾波器算法。常見的算法包括SDA算法和LMS算法。由于SDA算法中梯度的計算涉及到矩陣，并不適合實際應用。通過其派生的LMS算法簡單實用，計算效率高。TI公司的DSP芯片TMS320C54X有專門的LMS指令用于加速自適應濾波算法。在實際應用中，還可以在LMS算法的基礎上得到修改濾波器系數的算法：

　　詳細的自適應回波抵消算法計算步驟如下：

　　(1) 采樣值；

　　(2) 根據前一次的計算值和濾波器系數修改算法，進行系數調整；

　　(3) 計算遠端估計能量；

　　(4) 進行FIR濾波計算, 求得濾波器的輸出y(n)和誤差信號e(n)；

　　(5) 數據輸出；

　　(6) 跳轉到第一步。