CN101589429B - 数字信号处理系统和方法 - Google Patents

Abstract

本发明提供了用于数字处理音频信号的方法和系统。特别地，本发明提供了一种headliner扬声器系统，其被配置成数字地处理音频信号以便能够再现录音室音质的声音。

Description

数字信号处理系统和方法

相关申请的交叉引用

本申请要求于2006年11月30日提交的美国临时申请第60/861711号的优先权，并且是2007年2月7日提交的、要求于2006年2月7日提交的美国临时申请第60/765722号的优先权的美国申请第11/703216号的部分继续申请。这里通过全文引用而将上述每个申请结合于此。

技术领域

本发明提供了用于数字处理音频信号的方法和系统。特别地，一些实施例涉及数字处理音频信号以便在音频设备的整个频谱中重现录音室音质声音(studio-quality sound)。

背景技术

录音室音质声音的准确含义是完全再现录音室录音过程中所使用的整个音频范围，这在过去只能是在音频录音工作室里准确实现。录音室音质声音的特点在于其清晰度和亮度水平，这只能在有效控制和再现中高频范围的情况下获得。虽然只有有经验的录音师才能完全掌握录音室音质声音的技术要领，但是一般听众能够很容易地听出来录音室音质声音所产生的差别。

虽然已经做了许多尝试以在录音工作室之外再现录音室音质声音，但是这些尝试都需要高额的费用(通常是由于高级的扬声器设计、昂贵的硬件和增加的功率放大而导致)而仅能获得混合效果(mixed results)。因此，需要一种能够以低成本在录音室之外再现具有稳定、高质量的录音室音质声音的方法。进一步地，需要实现这种方法的音频设备，以及实现这种方法的、可以嵌入在音频设备中的计算机芯片。还需要通过廉价的扬声器来产生录音室音质声音的能力。

另外，车载音频系统的设计要考虑许多不同的因素。音频系统设计者选择车辆中的扬声器位置和数量。还必须确定每个扬声器的预期频率响应。例如，位于仪表盘上的扬声器的预期频率响应可能与位于后门板底部的扬声器的预期频率响应不同。

音频系统设计者还必须考虑配置变化如何影响音频系统。例如，活顶小客车(convertible)中的音频系统的音质可能不如固顶的相同型号车辆中的相同音频系统。车辆的音频系统选项也是很重要的。车辆的一个音频选项可以包括每通道40瓦放大的基本的4扬声器系统，而另一种音频选项可以包括每通道200瓦放大的12扬声器系统。音频系统设计者在设计车辆的音频系统时必须考虑所有这些情况。由于这些原因，音频系统的设计是耗时和昂贵的。音频系统设计者还必须具有相对宽泛的信号处理和均衡的背景知识。

基于这些考虑，在过去，为了在车辆中获得更接近录音室音质的声音，需要相当大的资金投入，包括对原厂安装的扬声器进行昂贵的升级。因此，需要一种能够在车辆中再现录音室音质声音而无需如此昂贵费用的系统。

发明内容

针对上述需求，本发明提供了一种能够在音频设备整个频谱中再现录音室音质声音的数字处理音频信号的方法。本发明还提供了一种能够以这种方式数字处理音频信号的计算机芯片，以及包含这种芯片的音频设备。

针对上述需求，本发明还能够使用廉价扬声器来再现录音室音质声音。此外，针对上述需求，本发明提供了一种通过数字处理音频信号而使用车载扬声器系统再现录音室音质声音的、可用于车辆中的移动音频系统。实际上，根据本发明，即使是车辆原厂安装的扬声器也可用于获得录音室音质声音。

根据本发明的一方面，提供了一种数字处理音频信号的方法，包括：第一次调节所述信号的增益；利用第一低倾斜滤波器对经调节的所述信号进行滤波；利用第一高倾斜滤波器对从所述第一低倾斜滤波器接收的所述信号进行滤波；利用第一压缩器压缩从所述第一高倾斜滤波器接收的经滤波的所述信号；利用第二低倾斜滤波器对从所述第一压缩器接收的所述信号进行滤波；利用第二高倾斜滤波器对从所述第二低倾斜滤波器接收的所述信号进行滤波；利用图形均衡器处理从所述第二高倾斜滤波器接收的所述信号；利用第二压缩器压缩从所述图形均衡器接收的经处理的所述信号；第二次调节从所述第二压缩器接收的经压缩的所述信号的增益；和输出所述经第二次调节的信号，其中，所述第一和第二低倾斜滤波器互为镜像，及所述第一和第二高倾斜滤波器互为镜像。

根据本发明的另一方面，提供了一种扬声器系统，包括：第一增益放大器，其被配置成放大信号；第一低倾斜滤波器，其被配置成对经放大的所述信号进行滤波；第一高倾斜滤波器，其被配置成对从所述第一低倾斜滤波器接收的所述信号进行滤波；第一压缩器，其被配置成压缩从所述第一高倾斜滤波器接收的经滤波的所述信号；第二低倾斜滤波器，其被配置成对从所述第一压缩器接收到的所述经压缩的信号进行滤波；第二高倾斜滤波器，其被配置成对从所述第二低倾斜滤波器接收到的信号进行滤波；图形均衡器，其被配置成处理从所述第二高倾斜滤波器接收到的经滤波的所述信号；第二压缩器，其被配置成压缩从所述图形均衡器接收到的经处理的所述信号；和第二增益放大器，其被配置成对从所述第二压缩器接收到的经压缩的所述信号的增益进行放大并且输出一输出信号，其中，所述第一和第二低倾斜滤波器互为镜像，及所述第一和第二高倾斜滤波器互为镜像。

在一个实施例中，本发明提供了一种方法，包括步骤：输入音频信号，第一次调节该音频信号的增益，利用第一低倾斜滤波器(low shelffilter)处理该信号，利用第一高倾斜滤波器(high shelffilter)处理该信号，利用第一压缩器(compressor)处理该信号，利用第二低倾斜滤波器处理该信号，利用第二高倾斜滤波器处理该信号，利用图形均衡器处理该信号，利用第二压缩器处理该信号，以及第二次调节该音频信号的增益。在这个实施例中，处理该音频信号以产生录音室音质声音。另外，这个实施例补偿了音频源或节目素材之间存在的任何固有的音量差异，并且产生了恒定输出水平的圆润、饱满的声音。

这一实施例还能够在高噪声环境中(例如移动的汽车)再现录音室音质声音。本发明的一些实施例能够在任何环境中再现录音室音质声音。这包括进行了很好的声学设计的环境，例如但不限于是音乐厅。这还包括声学设计很差的环境，例如但不限于传统的起居室、车辆内部等等。另外，本发明的一些实施例能够再现录音室音质声音，而不论本发明所使用的电子设备和扬声器的质量如何。因此，本发明可用于通过顶级和最低级以及它们之间的各个级别的各种电子设备和扬声器来再现录音室音质声音。

在一些实施例中，这个实施例可用于在高噪声环境中播放音乐、电影或进行视频游戏，例如但不限于在汽车、飞机、轮船、俱乐部、剧院、游乐园或购物中心里。此外，在一些实施例中，本发明试图通过处理在人耳和音频传感器的有效范围之外的音频信号来改善声音效果，该有效范围是在大约600Hz和大约1000Hz之间。通过处理这个范围之外的音频，可以获得更饱满和更宽范围的效果。

在一些实施例中，可以在压缩前减弱该音频信号的低音部，在压缩后增强该低音部，从而保证提供给扬声器的声音的频谱低音调丰富，而不存在常规压缩中出现的消音效果。此外，在一些实施例中，由于压缩减小了该音频信号的动态范围，所得到的输出会具有一个受限的音量范围。例如，本发明可以在一个80dB底噪和110dB声阈(sound threshold)的高噪声环境中提供舒适的录音室音质声音。

在一些实施例中，上述方法可以与其他的数字信号处理方法组合，所述其他的数字信号处理方法在上述方法之前、之后或在上述方法的中间间歇执行。

在另一特定实施例中，本发明提供了一种可以执行上述方法的计算机芯片。在一个实施例中，该计算机芯片可以是一种数字信号处理器或DSP。在其他实施例中，该计算机芯片可以是任何能够执行上述方法的处理器，例如但不限于，计算机，计算机软件，电路，被编程以执行这些步骤的电子芯片，或者执行上述方法的任何其他装置。

在另一实施例中，本发明提供了一种包括这种计算机芯片的音频设备。该音频设备可以包括，例如但不限于：收音机，CD播放机，磁带放音机，MP3播放机，蜂窝电话，电视机，计算机，公共广播系统，游戏站例如(位于日本东京的索尼公司出品的)Playstation 3、(位于美国华盛州雷蒙德的微软公司出品的)X-Box 360、或者(位于日本东京的任天堂公司出品的)NintendoWii，家庭影院系统，DVD播放机，录像带播放机，或者蓝光(Blu-Ray)播放机。

在这种实施例中，本发明的芯片可以在该音频信号经过源选择器之后和到达音量控制之前接收到该信号。特别地，在一些实施例中，本发明的被设置在音频设备中的芯片处理来自一个或多个源的音频信号，所述源包括但不限于收音机、CD播放机、磁带播放机、DVD播放机等。本发明的芯片的输出可以驱动其他信号处理模块或扬声器，在这种情况下通常会进行信号放大。

特别地，在一个实施例中，本发明提供了一种包含这种计算机芯片的移动音频设备。这种移动音频设备可以被设置在汽车中，并且可以包括但不限于，收音机，CD播放机，磁带播放机，MP3播放机，DVD播放机，或者录像带播放机等。

在这个实施例中，本发明的移动音频设备可以针对所要使用其的每个车辆而进行特别调整以获得最优性能，以及考虑每个车辆中的独特的声学特性例如扬声器位置、乘客舱设计和背景噪声。并且在这个实施例中，本发明的移动音频设备可以提供对于所有4个独立控制通道的精准调音。并且在这个实施例中，本发明的移动音频设备可以传送大约200瓦的功率。并且在这个实施例中，本发明的移动音频设备可以使用车辆已有的(有时是原厂安装的)扬声器系统来产生录音室音质声音。并且在这个实施例中，本发明的移动音频设备可以包括USB端口以播放标准数字格式的歌曲。并且在这个实施例中，本发明的移动音频设备可以包括用于卫星无线电的适配器。并且在这个实施例中，本发明的移动音频设备可以包括用于已有的数字音频回放设备例如但不限于MP3播放机的适配器。并且在这个实施例中，本发明的移动音频设备可以包括远程控制。并且在这个实施例中，本发明的移动音频设备可以包括可拆卸的面板。

通过以下详细说明并结合附图，将会清楚本发明的其他特征和方面，其中以示例方式示出了根据本发明实施例的特征。本概述并不是要限制本发明的范围，本发明的范围仅应由所附的权利要求限定。

附图说明

下面参照附图来具体说明根据一个或多个实施例的本发明。本附图仅仅用于示例性目的，仅示出了本发明的典型或示例性实施例。这些附图被提供以便于读者理解本发明，而不应被认为是对本发明的宽度、范围或应用的限制。应当注意，为了清楚和便于说明，这些附图不一定是按比例绘示的。

图1示出了本发明的数字信号处理方法的一个实施例的框图。

图2示出了本发明的数字信号处理方法的一个实施例中所使用的低倾斜滤波器的效应。

图3示出了怎样使用高通和低通滤波器来形成低倾斜滤波器。

图4示出了本发明的数字信号处理方法的一个实施例中所使用的高倾斜滤波器的效应。

图5示出了本发明的数字信号处理方法的一个实施例中所使用的钟形滤波器的频率响应。

图6示出了本发明的数字信号处理方法的一个实施例中所使用的图形均衡器的一个实施例的框图。

图7示出了表示如何使用Mitra-Regalia实现来构成滤波器的框图。

图8示出了本发明的数字信号处理方法的一个实施例中所使用的幅度互补低倾斜滤波器的效应。

图9示出了本发明的数字信号处理方法的一个实施例中所使用的幅度互补低倾斜滤波器的一种实施方式的框图。

图10示出了本发明的数字信号处理方法的一个实施例中所使用的压缩器的静态传递特性(输出和输入电平之间的关系)。

图11示出了本发明的数字信号处理方法的一个实施例中所使用的二阶传递函数的直接1型实现的框图。

图12示出了本发明的数字信号处理方法的一个实施例中所使用的二阶传递函数的直接1型实现的框图。

该附图并不是穷举的或者要将本发明限制到所公开的精确形式。应当理解，本发明可以以修改和替换形式实现，并且本发明仅仅由权利要求及其等效形式限定。

具体实施方式

应当理解，本发明不限于这里所述的特定方法、组合、材料、制造技术、用途和应用，因为这些可以改变。还应当理解，这里所使用的术语仅是用于说明特定实施例的目的，并不是要限制本发明的范围。必须注意，如这里和所附实施例中所使用的，单数形式“一个”和“该”包含复数含义，除非上下文另有明确说明。因此，例如“一个音频设备”的描述是指一个或多个音频设备，包括本领域技术人员所知的等效形式。类似地，另一个例子是，“一个步骤”或“一个装置”的描述是指一个或多个步骤或装置，可以包括子步骤和辅助装置。所使用的所有关联词都应当理解为可能的最广泛含义。因此，单词“或”应当理解为具有逻辑“或”的含义，而不是逻辑“异或(exclusive or)”，除非上下文另有明确说明。可以被构造表示近似含义的语言都应当这样理解，除非上下文另有明确说明。

除非另有定义，否则，这里所使用的所有技术和科学术语都具有与本发明所属领域技术的一般技术人员所公知的含义相同的含义。优选的方法、技术、设备和材料被描述，但是在实践中或者本发明的测试中也可以使用任何与这里所述相似或等效的方法、技术、设备或材料。这里所述的结构也应当理解为是指这些结构的功能性等效形式。

1.0概述

首先，了解一些线性时不变系统的背景知识是有帮助的。以下差分方程描述了输入为x[k]、输出为y[k]的N阶线性时不变(LTI)离散时间滤波器：

y[k]＝b₀x[k]+b₁x[k-1]+…+b_Nx[k-N]+a_1y[k-1]+a_2y[k-2]+…+a_Ny[k-N]

其中选择系数{b0，b1，…，bN，a1，a2，…，aN}以使得该滤波器具有预期的特性(其中术语“预期的”可以是指时域性能或频域性能)。

可以用脉冲函数δ[k]来激励上述差分方程，其值由下式给出：

$\mathrm{\δ}\left[k\right]=\left\{\begin{array}{cc}1,& k=0\\ 0,& k\≠0\end{array}\right.$

当该信号δ[k]被应用到由上述差分方程所描述的系统中时，其结果被称为冲击响应h[k]。这是一个系统理论上公知的结果，冲击响应h[k]单独完全表征了LTI离散时间系统对于任何输入信号的性能。也就是说，如果已知h[k]，就能够通过被称为卷积的操作来获得对于输入信号x[k]的输出y[k]。严格说来，给定h[k]和x[k]，就能够计算出响应y[k]：

$y\left[k\right]=\underset{n=0}{\overset{\∞}{\mathrm{\Σ}}}h\left[n\right]x[k-n]$

关于Z变换的一些背景知识也是有帮助的。时域与频域之间的关系由被称为Z变换的公式给出。由冲击响应h[k]描述的系统的Z变换可以定义为函数H(z)，其中

$H\left(z\right)=\underset{k=0}{\overset{\∞}{\mathrm{\Σ}}}h\left[k\right]z^{-k}$

z是具有实部和虚部的复变量。如果该复变量被约束到该复平面中的单位圆上(即由关系式[z]＝1描述的区域)，其结果就是可以表示为极坐标形式(radial form)的复变量：

$z=e^{\mathrm{j\θ}},\mathrm{where}0\≤\mathrm{\θ}\≤2\mathrm{\πandj}=\sqrt{-1}$

关于离散时间傅里叶变换的一些背景知识也是有益处的。利用极坐标形式描述的z，将该z变换约束到单位圆上被称为是离散时间傅里叶变换(DTFT)，由下式给出：

$H\left(e^{\mathrm{j\θ}}\right)=\underset{k=0}{\overset{\∞}{\mathrm{\Σ}}}h\left[k\right]e^{-\mathrm{jk\θ}}$

特别要关注的是，当被一个给定频率的正弦曲线激励时，该系统会如何反应。从LTI系统理论得到的最重要的结果之一就是，正弦曲线是这种系统的特征函数。这意味着，LTI系统对于正弦曲线sin(θ0k)的稳态响应还是一个相同频率θ0的正弦曲线，仅仅是其振幅和相位与该输入不同。事实上，当被输入x[k]＝sin(θ0k)驱动时，该LTI系统的稳态输出yss[k]为：

y_ss[k]＝Asin(θ₀k+φ₀)

其中

$A=\left|H\left(e^{j{\mathrm{\θ}}_0}\right)\right|$

以及

${\mathrm{\φ}}_0=\arg \left(H\left(e^{j{\mathrm{\θ}}_0}\right)\right)$

最后，还需要一些关于频率响应的背景知识。上述方程是重要的，因为它说明了当LTI系统被正弦曲线驱动时，其稳态响应是相同频率的正弦曲线，定量为DTFT在该频率的幅度，并且在时间上偏移DTFT在该频率的相位。为了本发明的目的，要考虑的是该稳态响应的振幅，以及当LTI系统被正弦曲线驱动时该DTFT提供给我们输出对输入的相对大小。因为众所周知任何输入信号都可以表示为正弦曲线的线性组合(傅里叶分解定理)，所以DTFT能够对任意输入信号给出响应。DTFT定性地表示出了该系统如何响应于一个输入频率范围，DTFT的幅度图给出了关于在该系统输出中将出现多少给定频率的信号的一个有意义的测量。为此，DTFT通常被称为该系统的频率响应。

2.0数字信号处理

图1示出了根据本发明一个实施例的方法100的数字信号处理流程示例。现在参照图1，方法100包括以下步骤：输入增益调节101，第一低倾斜滤波器102，第一高倾斜滤波器103，第一压缩器104，第二低倾斜滤波器105，第二高倾斜滤波器106，图形均衡器107，第二压缩器108，和输出增益调节109。

在一个实施例中，数字信号处理方法100将输入音频信号110作为输入，执行步骤101-109，提供输出音频信号111作为输出。在一个实施例中，数字信号处理方法100是可以在计算机芯片上运行的，例如但不限于数字信号处理器或DSP。在一个实施例中，这种芯片可以是更大的音频设备的一部分，该音频设备例如但不限于，收音机，MP3播放机，游戏站，蜂窝电话，电视机，计算机，或公共广播系统。在这种实施例中，可以在该音频信号从音频设备输出之前对该信号执行数字信号处理方法100。在这种实施例中，可以在该音频信号经过源选择器之后但经过音量控制之前，对该信号执行数字信号处理方法100。

在一个实施例中，以数字顺序完成步骤101-109，但是它们也可以以任何其他顺序完成。在一个实施例中，可以排他地执行步骤101-109，但是在其他实施例中，也可以执行其他步骤。在一个实施例中，可以执行步骤101-109中的每一个，但是在其他实施例中，也可以省略掉一个或多个步骤。

在一个实施例中，输入增益调节101提供预期量的增益，从而能够使得输入音频信号110达到一个电平，以防止在数字信号处理方法100随后的内部点出现数字溢出。

在一个实施例中，每个低倾斜滤波器102、105是对于被称为拐角频率的特定频率以上的所有频率具有0dB额定增益的滤波器。对于该拐角频率以下的频率，该低倾斜滤波器相应具有±G dB的增益，这取决于该低倾斜滤波器是处于增加(boost)模式还是衰减模式(cut mode)。这在图2中示出。

图2示出了由本发明的一个实施例实现的低倾斜滤波器的效应。现在参照图2，低倾斜滤波器的目的是保持该拐角频率以上的所有频率不变，而使该拐角频率以下的所有频率增加或衰减一个固定量G dB。还要注意的是，0dB点略高于预期的1000Hz。标准的是将低倾斜滤波器的响应设定为，减少模式下在拐角频率为-3dB，而在增加模式下将低倾斜滤波器的响应设定为使其在拐角频率为G-3dB，即比最大增加值少3dB。实际上，所有书本上用于构造倾斜滤波器的公式都会导致这种响应。这就导致了某种程度的不对称，其中对于几乎所有的增加或衰减值G，该衰减和增加低倾斜滤波器都不是相互的镜像。这是本发明需要解决的问题，需要一种创新的滤波器实现方法。

暂时先不考虑该不对称，用于构造低倾斜滤波器的标准方法是采用高通和低通滤波器的加权和。例如，考虑在衰减模式下具有-G dB增加和1000Hz拐角频率的低倾斜滤波器的情况。图3示出了具有1000截止频率的高通滤波器和具有1000截止频率的低通滤波器，定标为-G dB。这两个滤波器串联的组合效应看起来很像图2中的低倾斜滤波器。在实践中，从零增加或衰减过渡到G dB的增加或衰减的陡度是有限制的。图3示出了这种限制，在所示1000Hz的拐角频率不能达到预期的G dB增加或衰减，直到1000Hz以下的特定频率才能达到。应当注意的是，本发明中的所有倾斜滤波器都是一阶倾斜滤波器，这意味着它们通常都能用一阶有理变换函数表示为：

$H\left(z\right)=\frac{b_0+b_1{z}^{-1}}{1+a_1{z}^{-1}}$

在一些实施例中，每个高倾斜滤波器103、106仅仅是低倾斜滤波器的镜像。也就是说，拐角频率以下的所有频率都保持不变，而对于拐角频率以上的频率则增加或衰减G dB。关于陡度和不对称的相同警告(caveat)也适用于该高倾斜滤波器。图4示出了本发明的一个实施例所实现的高倾斜滤波器的效应。现在参照图4，其示出了一个1000Hz的高倾斜滤波器。

图5示出了根据本发明的一个实施例的方法100实现的钟形(bell)滤波器的频率响应示例。如图5所示，每个二阶滤波器在一个固定的中心频率获得钟形增加或衰减，F1(z)的中心在30Hz，F11(z)的中心在16000Hz，它们之间的其他滤波器的中心具有大约1个倍频程(octave)的间隔。参照图5，显示了中心在1000Hz的钟形滤波器。该滤波器对于中心频率1000Hz以上和以下的频率具有0dB的额定增加，在1000Hz的频率具有-G dB的增加，在1000Hz周围的区域具有钟形响应。

该滤波器的形状的特征在于单个参数：质量因子Q。该质量因子被定义为该滤波器中心频率与其3dB带宽的比率，其中该3dB带宽在图中显示为：该滤波器响应交叉-3dB点的两个频率之间的Hz差。

图6示出了根据本发明一个实施例的图形均衡器模块600的示例。现在参照图6，图形均衡器600包括十一个二阶滤波器F₁(z)，F₂(z)，…，F₁₁(z)的级联组。在一个实施例中，图形均衡器107(如图1所示)被实现为图形均衡器600。

本发明中的十一个二阶滤波器中的每个可以根据类似下式的公式计算：

$F\left(z\right)=\frac{b_0+b_1{z}^{-1}+b_2{z}^{-2}}{1+a_1{z}^{-1}+a_2{z}^{-2}}$

使用这个方程会产生一个问题：上述五个系数{b₀，b₁，b₂，a₁，a₂}中的每个直接依赖于质量因子Q和增益G。这意味着，对于可调的也就是具有变量Q和G的滤波器，必须实时重新计算全部5个系数。这将会成为问题，因为这些计算很容易消耗用以执行图形均衡器107的存储器，从而导致出现过多延迟或错误的问题，这是不能接受的。这个问题可以通过使用Mitra-Regalia实现来避免。

数字信号处理(DSP)理论的一个非常重要的结论被用于实现数字信号处理方法100所用的滤波器。该结论是，多种滤波器(特别是用于数字信号处理方法100的滤波器)都可以分解成一个全通滤波器和一个来自输入的前馈支路的加权和。该结论的重要性将会清楚。暂时假定二阶传递函数H(z)被实现以描述中心在fc、具有质量因子Q和采样频率Fs的钟形滤波器：

$H\left(z\right)=\frac{b_0+b_1{z}^{-1}+b_2{z}^{-2}}{1+a_1{z}^{-1}+a_2{z}^{-2}}$

辅助参数k1、k2可以定义为：

$k_1=\frac{1-\tan \left(\frac{\mathrm{\π}{f}_c}{{\mathrm{QF}}_s}\right)}{1+\tan \left(\frac{\mathrm{\π}{f}_c}{{\mathrm{QF}}_s}\right)}$

k₂＝-cos(2πf_c/F_g)

传递函数A(z)可以定义为：

$A\left(z\right)=\frac{k_2+k_1(1+k_2)z^{-1}+z^{-2}}{1+k_1(1+k_2)z^{-1}+k_2{z}^{-2}}$

A(z)可以被证实为全通滤波器。这意味着，A(z)的振幅对于所有频率是恒定的，仅其相位作根据频率而发生变化。A(z)可以用作每个钟形滤波器的构建模块。以下的非常重要的结论可以显示为：

$H\left(z\right)=\frac{1}{2}(1+G)A\left(z\right)+\frac{1}{2}(1-G)$

这就是Mitra-Regalia实现的关键。可以实现具有可调增益的钟形滤波器以通过非常清楚的方式来显示包含该增益G。这在图7中显示，其中示出了根据本发明一个实施例使用Mitra-Regalia实现来构造的滤波器示例。

以这种不直观的方式分解该滤波器有一个非常好的理由。参照上述方程，注意到每当G发生变化时(即每当图形EQ“滑片”中的一个被移动时)，都需要重新计算系数a和b中的每一个。虽然没有示出需要对系数a和b所执行的计算，但它们是非常复杂和耗时的，实时重新计算它们是完全不现实的。然而，在典型的图形EQ中，增益G和质量因子Q保持恒定，仅仅G允许改变。这就是使得上述方程这样重要的原因。从上述方程可以看出，A(z)完全不依赖于增益G，如果Q和中心频率fc保持固定(如在图形EQ滤波器中那样)，那么k1和k2也保持固定，而不论G如何。因此，这些变量只需要被计算一次！计算该增益变量是通过实时改变如下两个简单量来完成的：

$\frac{1}{2}(1+G)$

和 $\frac{1}{2}(1-G).$

这些是非常简单的计算，仅需要两个CPU周期(cycles)。这样就只剩下如何实现全通传递函数A(z)的问题，这是个比较微小的过程。因此，整个图形均衡器组包括十一个级联的钟形滤波器，其中每个都通过其自己的Mitra-Regalia实现来实施：

$F_1\left(z\right)\→\mathrm{fixed}{k}_1^1,k_2^1,\mathrm{variable}{G}_1$

$F_1\left(z\right)\→\mathrm{fixed}{k}_1^2,k_2^2,\mathrm{variable}{G}_2$

$\begin{array}{cc}.& .\\ .& .\\ .& .\end{array}$

$F_{11}\left(z\right)\→\mathrm{fixed}{k}_1^{11},k_2^{11},\mathrm{variable}{G}_{11}$

从该方程可以看出，整个图形均衡器组依赖于总共22个固定系数，它们只需要计算一次并存储在存储器中。该图形均衡器的“调节”是通过调整参数G1，G2，…，G11来完成的。下面再来参照图6来看其示意形式。在实施数字信号处理方法100中使用的各个滤波器时，将会反复使用Mitra-Regalia实现。Mitra-Regalia实现还可以用于实施倾斜滤波器，其实施更简单，因为倾斜滤波器是使用一阶滤波器。最终结果是使得倾斜滤波器由单个全通参数k和增益G表征。与钟形滤波器一样，倾斜滤波器具有固定的拐角频率(实际上，它们都是以1kHz作为其拐角频率)，并且带宽也是固定的。总的来说，四个倾斜滤波器可以简单地完整描述为：

H₁(z)→fixedk¹，variable G₁

H₂(z)→fixedk²，variable G₂

H₃(z)→fixedk³，variable G₃

H₄(z)→fixedk⁴，variable G₄

如上所述，在常规的倾斜滤波器的响应中，当该滤波器处于增加状态对比处于衰减状态时存在不对称。如上所述，这是因为该设计技术在增加时与衰减时对于3dB点有不同的定义。数字信号处理方法100依赖于滤波器H1(z)与H3(z)互为镜像以及滤波器H2(z)与H4(z)互为镜像。这就导致了对于增加倾斜滤波器要使用特定的滤波器结构，该特定的滤波器结构对于H1、H3和H2、H4会产生良好的幅度抵消(magnitude cancellation)，如图8所示。这种频率响应被称为幅度互补。这种结构式本发明所特有的。一般地，对于任意滤波器H(z)，得到一个具有互补幅度响应的滤波器是一个简单的数学过程。滤波器H-1(z)当然符合要求，但是可能不是稳定的或者可实现的z函数，在这种情况下，该方案仅仅是个数学概念而在实践中是没用的。这是常规的倾斜滤波器的情况。上述方程示出了如何从一个全通滤波器构造一个钟形滤波器。这些方程在最初都是利用一个一阶全通滤波器A(z)来构造倾斜滤波器，其中

$A\left(z\right)=\frac{\mathrm{\α}-z^{-1}}{1-{\mathrm{\αz}}^{-1}}$

α被选择成：

$\mathrm{\α}=\frac{(1-\sin \left(\frac{2\mathrm{\π}{f}_c}{F_s}\right))}{\cos \left(\frac{2\mathrm{\π}{f}_c}{F_s}\right)}$

其中fc是期望的拐角频率，Fs是采样频率。应用上述方程并重新整理各项，可以表示为：

$H\left(z\right)=\frac{1+G}{2}\{1+\frac{1-G}{1+G}A\left(z\right)\}.$

这是低倾斜滤波器的方程。(可以通过把(1-G)改为(G-1)来获得高倾斜滤波器)。取H(z)的倒数就得到下式：

$\frac{1}{H\left(z\right)}=\frac{2}{(1+G)(1+\frac{1-G}{1+G}A\left(z\right))}.$

该方程是有问题的，因为它包含一个零延迟回路，也就是说它不能通过常规的静态变量方法来实现。幸运的是，根据系统理论的一些最新结果，显示出了如何实现具有零延迟回路的有理函数。Fontana和Karjalainen示出了每个步骤都可以在时间上“划分”成两个“子步骤”。

图9示出了根据本发明一个实施例的幅度互补低倾斜滤波器示例。参照图9，在第一子步骤(标为“子采样1”)期间，反馈滤波器A(z)具有零输入并且计算其输出l0[k]。在该同一子采样期间，使用l0[k]计算输出y[k]，这可以根据上一个方程计算如下：

$y\left[k\right]=\frac{1}{1+a\frac{1-G}{1+G}}\left\{\frac{2}{1+G}x\right[k]+\frac{1-G}{1+G}{l}_0[k\left]\right\}$

$=\frac{2}{(1+G)+\mathrm{\α}(1-G)}\left\{x\right[k]+\frac{1-G}{2}{l}_0[k\left]\right\}$

从图9中可以看出，这两个计算对应于开关在“子采样1”位置时的情况。接着，该开关被切换到“子采样2”位置，剩余的工作就是更新滤波器A(z)的内部状态。这种非常规的滤波器结构产生了良好的幅度互补11。这可以通过下面的方式用于本发明：当数字信号处理方法100的倾斜滤波器处于“衰减”模式时，可以使用以下方程：

$H\left(z\right)=\frac{1+G}{2}\{1+\frac{1-G}{1+G}A\left(z\right)\}.$

然而，当数字信号处理方法100的倾斜滤波器处于“增加”模式时，可以使用与“衰减”模式中所用的G的相同值来执行以下方程：

$y\left[k\right]=\frac{1}{1+\mathrm{\α}\frac{1-G}{1+G}}\left\{\frac{2}{1+G}x\right[k]+\frac{1-G}{1+G}{l}_0[k\left]\right\}$

$=\frac{2}{(1+G)+\mathrm{\α}(1-G)}\left\{x\right[k]+\frac{1-G}{2}{l}_0[k\left]\right\}$

这就得到了互为完美镜像的倾斜滤波器，按照图8，这是数字信号处理方法100所需要的。(注意：可以通过改变(1-G)/2项的符号来改变方程16以得到高倾斜滤波器)。图8示出了通过本发明一个实施例实现的幅度互补低倾斜滤波器的效应。

每个压缩器104、108是动态范围压缩器，被设计成通过减少信号峰值电平与平均电平之间的比率来调节该信号的动态范围。压缩器由四个量表征：上升时间(attack time)Tatt，释放时间Trel，阈值KT，以及比率r。简而言之，通过一个算法来追踪信号的包络，该算法给出了该信号电平的粗略“轮廓”。一旦该电平超过阈值KT，经过一个等于Tatt的周期，对于超过KT的每个dB，该压缩器就会将该信号的电平降低比率r dB。一旦该信号的包络低于KT达到一个等于释放时间Trel的时间段，该压缩器就停止降低该电平。图10示出了根据本发明一个实施例实现的压缩器的静态传输特性(输出和输入电平之间的关系)。

密切监视该静态传输特性是有益的。假定该信号在时刻k的电平L[k]已经以某种方式计算得到。为了有益的目的，将考虑单个静态电平L。如果L低于压缩器的触发阈值KT，则该压缩器什么都不做，使得该信号保持不变。然而如果L大于KT，则对于使得电平L超过KT的每个dB，该压缩器将该输入信号衰减r dB。

考虑L大于KT的时刻是有益的，也就是20log₁₀(L)＞20log₁₀(KT)。在这种情况下，多余增益，即该电平超过阈值的dB量，是g_excess＝20log₁₀(L)-20log₁₀(KT)。由于压缩器对于多余增益的每个dB将该输入衰减r dB，所以该增益减少gR可以表示为：

$g_R=\frac{g_{\mathrm{excess}}}{R}=\frac{1}{R}\·(20{\log }_{10}\left(L\right)-20{\log }_{10}\left(K_T\right))$

由此，随后通过该压缩器的输出，给出y为20log₁₀(y)＝gR*20log₁₀(x)，从而满足了预期的输出-输入关系。将该方程变为与对数域相对的线性域，变成下式：

$y={\left({10}^{{\log }_{10}\left(x\right)}\right)}^{\frac{1}{R}\·({\log }_{10}\left(L\right)-{\log }_{10}\left(K_T\right))}$

其等价于：

$y=x^{\frac{1}{R}\·({\log }_{10}\left(L\right)-{\log }_{10}\left(K_T\right))}=x^{\frac{1}{R}\·\left({\log }_{10}(L/K_T)\right)}$

该压缩器算法的最重要部分是确定该信号电平的一个有意义的估计。这是通过一个相当简单的方式实现的：保留该信号的绝对值的动态“积分(integration)”，其中通过预期的上升时间确定对电平进行积分的比率。当该信号的瞬时电平降到当前积分电平以下时，使得该积分电平以由释放时间确定的比率降低。给定上升时间Tatt和释放时间Trel，用于保持追踪该电平的方程L[k]由下式给出：

$L\left[k\right]=\left\{\begin{array}{cc}(1-{\mathrm{\&alpha;}}_{\mathrm{att}})\left|x\right[k\left]\right|+{\mathrm{\&alpha;}}_{\mathrm{att}}L[k-1]& \mathrm{for}\left|x\right[k\left]\right|\&GreaterEqual;L[k-1]\\ (1-{\mathrm{\&alpha;}}_{\mathrm{rel}})\left|x\right[k\left]\right|+{\mathrm{\&alpha;}}_{\mathrm{rel}}L[k-1]& \mathrm{for}\left|x\right[k\left]\right|<L[k-1]\end{array}\right.$

其中

${\mathrm{\&alpha;}}_{\mathrm{att}}=\exp \left(\frac{1}{F_s{T}_{\mathrm{att}}}\right)$

和

${\mathrm{\&alpha;}}_{\mathrm{rel}}=\exp \left(\frac{1}{5F_s{T}_{\mathrm{rel}}}\right)$

在如上所述的每个电平计算点，将所计算得到的L[k]与阈值KT比较，如果L[k]大于KT，则用一个与该电平超过阈值的量成比例的量来对输入信号x[k]进行缩放。该比例常数等于压缩比率r。经过大量数学处理后，建立了该压缩器的输入和输出之间的以下关系：

利用如方程18所计算的电平L[k]，数量G_excess被计算为：

$G_{\mathrm{execss}}=L\left[k\right]K_T^{-1},$

其表示多余增益的量。如果该多余增益小于1，则不改变输入信号而将其传输到输出端。在该多余增益大于1的情况下，这样计算增益减少GR：

$G_R={\left(G_{\mathrm{excess}}\right)}^{\frac{1-r}{r}}={\left(L\right[k\left]K_T^{-1}\right)}^{\frac{1-r}{r}}$

然后用GR缩放该输入信号并发送到输出端：

output[k]＝G_Rx[k].

经过这个过程，形成了将输入信号电平中的每个1dB增加为1/r dB的电平的输出信号。

在实践中，上述方程中计算倒数K_T ^-1是很耗时的，因为某些计算机芯片做实时除法的能力很差。由于KT是预先已知的，并且它只有在用户改变它时才会改变，所以可以将K_T ^-1值的一个预计算表存储在存储器中以在需要时使用。类似地，上述方程中计算GR的幂操作很难实时进行，所以可以使用预计算的值作为近似。由于数量GR仅当Gexcess大于1时才是重要的，因此可以对比率r的每个可能值，构建一个例如100个GR值的列表，预先在GR从GR＝1到GR＝100的整数值计算得到。对于GR的非整数值(几乎所有)，可以通过以下方式来近似估计上述计算GR的方程中的数量值。令interp为Gexcess超过Gexcess的最接近整数值的量。换句话说，

并且令GR，0和GR，1为预先计算的值：

和

然后使用线性插值法计算GR的近似值如下：

G_R≈G_R，0+interp*(G_R，1-G_R，0)

GR的真实值与上述方程中的近似值之间的误差可以被显示为对于本发明的目的来说并不重要。此外，计算GR的近似值仅需要几个算术循环和若干次从预计算表中的读取。在一个实施例中，比率r的6个不同值的表以及Gexcess的100个积分点的表可以被存储在存储器中。在这种实施例中，所使用的整个存储器仅仅是600个字的存储器，这将比直接计算GR的真实值所需的数百次计算循环要方便得多。这是本发明的一个主要优点。

数字信号处理方法100中的每个数字滤波器可以使用多种可能的架构或实现方式中的任意一种来实现，其中每个在复杂性、处理速度、系数灵敏性、稳定性、固定点性能以及其他数值因素上都具有其折中性。在一个特定实施例中，可以使用一个被称为直接1型架构(DF1)的简单架构。该DF1架构具有多个预期的特性，重要的是它清楚地对应于被考察滤波器的差分方程和传递函数。数字信号处理方法100中的所有数字滤波器都是一阶或二阶的。

首先来具体分析二阶滤波器。如上所述，二阶滤波器中所实现的传递函数为：

$H\left(z\right)=\frac{b_0+b_1{z}^{-1}+b_2{z}^{-2}}{1+a_1{z}^{-1}+a_2{z}^{-2}},$

其对应于差分方程：

y[k]＝b₀x[k]+b₁x[k-1]+b₂x[k-2]-a₁y[k-1]-a₂y[k-2].

图11示出了根据本发明一个实施例的二阶滤波器的DF1架构。如图11所示，该滤波器结构的乘法器系数对应于上述传递函数和差分方程中的系数。标记为符号z-1的模块是延迟寄存器，在每个计算步骤都需要它的输出。这些寄存器的输出被称为状态变量，在数字信号处理方法100的一些实施例中为它们分配存储器。该数字滤波器的输出以如下方式计算：

首先，将每个状态变量设置为零。换句话说，

x[-1]＝x[-2]＝y[-1]＝y[-2]＝0.

在时刻k＝0，根据图11完成以下计算：

y[0]＝b₀x[0]+b₁x[-1]+b₂x[-2]-a₁y[-1]-a₂y[-2].

然后，更新该寄存器以使得标记为x[k-1]的寄存器现在保存x[0]，标记为x[k-2]的寄存器现在保存x[-1]，标记为y[k-1]的寄存器现在保存y[0]，标记为y[k-2]的寄存器现在保存y[-1]。

在时刻k＝1，进行以下计算：

y[1]＝b₀x[1]+b₁x[0]+b₂x[-1]-a₁y[0]-a₂y[-1]

然后，再次进行寄存器更新以使得标记为x[k-1]的寄存器现在保存x[1]，标记为x[k-2]的寄存器现在保存x[0]，标记为y[k-1]的寄存器现在保存y[1]，标记为y[k-2]的寄存器现在保存y[0]。

然后对于所有时刻k多次重复该过程：引进新的输入x[k]，计算新的输出y[k]，更新状态变量。

于是，一般地，该数字滤波操作可以被看作是使用系数b0、b1、b2、a1、a2和状态变量x[k-1]、x[k-2]、y[k-1]、y[k-2]对数据流x[0]、x[1]、x[2]、…执行的一组乘法和加法。

这些在特定情形下的表现是有益的。分析构成图形均衡器107的基本构建模块的钟形滤波器是有帮助的。如上所述，利用采样频率Fs、在中心频率fc处的增益G以及质量因子Q将钟形滤波器实现为：

$H\left(z\right)=\frac{1}{2}(1+G)A\left(z\right)+\frac{1}{2}(1-G)$

其中A(z)是一个全通滤波器，定义为：

$A\left(z\right)=\frac{k_2+k_1(1+k_2)z^{-1}+z^{-2}}{1+k_1(1+k_2)z^{-1}+k_2{z}^{-2}}$

其中通过如下方程根据fc和Q来计算k1和k2：

$k_1=\frac{1-\tan \left(\frac{\mathrm{\&pi;}{f}_c}{{\mathrm{QF}}_s}\right)}{1+\tan \left(\frac{\mathrm{\&pi;}{f}_c}{{\mathrm{QF}}_s}\right)}$

和

k₂＝-cos(2πf_c/F_s)

k1和k2的值被预先计算并存储在存储器内的表中。为了实现用于Q和fc的特定值的滤波器，在该表中查询对应的k1和k2的值。由于在该算法中有十一个fc的特定值和16个Q的特定值，而该滤波器以单一的采样频率Fs工作，并且只有k2同时依赖于fc和Q，所以该k1和k2系数组的整体存储需求是相当小的(最差情况下为11×16×2个字)。

从上述关于A(z)的方程可知其系数是对称的。也就是说，该方程可以重写为：

$A\left(z\right)=\frac{z^{-2}+\mathrm{geq}\_b1z^{-1}+\mathrm{geq}\_b0}{1+\mathrm{geq}\_b1z^{-1}+\mathrm{geq}\_b0z^{-2}}$

其中

geq-b0＝k₂

和

geq_b1＝k₁(1+k₂).

如上述方程中所给出的A(z)隐含了差分方程：

y[k]＝geq_b0x[k]+geq_b1x[k-1]+x[k-2]-geq_b1y[k-1]-geq_b0y[k-2]，其可以被重新整理为：

y[k]＝geq_b0(x[k]-y[k-2])+geq_b1(x[k-1]-y[k-1])+x[k-2]

在一个特定实施例中，状态变量可以被存储在数组xv[]和yv[]中，其中

xv[0]对应于x[k-2]，xv[1]对应于x[k-1]，yv[0]对应于y[k-2]，yv[1]对

应于y[k-1]。于是以下代码片断就实现了该全通滤波器的单个步骤：

现在该循环必须按照以上方程被结合在该全通滤波器中。这通过以下代码很容易实现：

更简明地，前两个代码片断可以被组合到一个程序中，例如：

现在将具体分析一阶滤波器。这些滤波器可以被描述为以下传递函数：

其对应于差分方程：

y[k]＝b₀x[k]+b₁x[k-1]-a₁y[k-1].

图12示出了根据本发明一个实施例的一阶滤波器的DF1架构。现在参照图12，该滤波器结构中的乘法器系数以清楚的方式对应于该传递函数和差分方程中的系数。该数字滤波器的输出可以以如下方式计算：

首先，将每个状态变量设置为零。换句话说，

x[-1]＝y[-1]＝0.

在时刻k＝0，根据图11完成以下计算：

y[0]＝b₀x[0]+b₁x[-1]-a₁y[-1].

然后，更新该寄存器以使得标记为x[k-1]的寄存器现在保存x[0]，标记为y[k-1]的寄存器现在保存y[0]。

在时刻k＝1，进行以下计算：

y[1]＝b₀x[1]+b₁x[0]-a₁y[0]

然后，再次进行寄存器更新以使得标记为x[k-1]的寄存器现在保存x[1]，标记为y[k-1]的寄存器现在保存y[1]。

然后对于所有时刻k多次重复该过程：引进新的输入x[k]，计算新的输出y[k]，并更新该状态变量。

于是，一般地，该数字滤波操作可以被看作是使用系数b0、b1、a1和状态变量x[k-1]、y[k-1]对数据流x[0]、x[1]、x[2]、…执行的一组乘法和加法。

再参照上述方程，可以通过将下式应用到一阶全通滤波器A(z)来构建一阶倾斜滤波器，

$A\left(z\right)=\frac{k_2+k_1(1+k_2)z^{-1}+z^{-2}}{1+k_1(1+k_2)z^{-1}+k_2{z}^{-2}}$

其中：

$A\left(z\right)=\frac{\mathrm{\&alpha;}-z^{-1}}{1-\mathrm{\&alpha;}{z}^{-1}}$

其中选择α以使得

$\mathrm{\&alpha;}=\frac{(1-\sin \left(\frac{2\mathrm{\&pi;}{f}_c}{F_s}\right))}{\cos \left(\frac{2\mathrm{\&pi;}{f}_c}{F_s}\right)}$

其中fc是期望的拐角频率，Fs是采样频率。上述全通滤波器A(z)对应于差分方程：

y[k]＝αx[k]-x[k-1]+αy[k-1].

如果将全通系数α表示为全通系数(allpass coef)，并且重新整理该方程项，上述方程将变为：

y[k]＝allpass_coef(x[k]+y[k-1])-x[k-1].

这个差分方程对应于以下详述的倾斜滤波器的代码实现。

现在将具体描述数字信号处理方法100的一个特定的软件实现。

上述的输入增益调节101和输出增益调节109都可以通过使用“缩放(scale)”函数来完成，以如下方式实现：

上述的第一低倾斜滤波器102和第二低倾斜滤波器105都可以通过使用“low_shelf”函数来完成，以如下方式实现：

由于该函数有点复杂，因此应该给出一个详细解释。首先，该函数语句声明了：

void low_shelf(float*xv，float*yv，float*wpt，float*input，float*output)

该“low shelf”函数使用指向五个不同浮点数组的指针作为参数。数组xv和yv包含该滤波器的“x”和“y”状态变量。因为该倾斜滤波器都是一阶滤波器，所以该状态变量数组的长度仅仅是1。对于数字信号处理方法100中所使用的每个倾斜滤波器，存在不同的“x”和“y”状态变量。所使用的下一个数组是属于特定倾斜滤波器的滤波器系数数组“wpt”。Wpt的长度是3，其中的元素wpt[0]、wpt[1]和wpt[2]描述如下：

wpt[0]＝G

wpt[1]＝2[(1+G)+α(1-G)]^-1

wpt[2]＝-1(衰减时)，1(增益时)

α是全通系数，G是倾斜滤波器增益。α的值对于所有倾斜滤波器都是相同的，因为它仅仅由拐角频率决定(应当注意，数字信号处理方法100中的所有四个倾斜滤波器都具有1kHz的拐角频率)。G的值对于该四个倾斜滤波器中的每个是不同的。

数组“input”是作为输入提供给每个倾斜滤波器的输入样本块，该滤波操作的结果被存储到“output”数组中。

下两行代码

float l；

int i；

为循环计数变量i和辅助量l分配空间，该辅助量l是图9中的数量l0[k]。

下一行代码

for(i＝0；i＜NSAMPLES；i++)

执行该代码总共NSAMPLES次，其中NSAMPLES是用于数字信号处理方法100的数据块长度。

然后是条件测试

if(vpt[2]＜0.0)

回忆上述方程，wpt[2]＜0对应于“衰减”模式下的倾斜滤波器，而wpt[2]＞＝0对应于“增加”模式下的倾斜滤波器。如果该倾斜滤波器是在衰减模式下，则执行以下代码：

xv[0]的值就是状态变量x[k]，yv[0]就是yv[k]。上述代码就是以下方程的实现：

y[k]＝α·in[k]+(α²-1)·x[k]

x[k]＝α·x[k]+in[k]

$\mathrm{out}\left[k\right]=\frac{1}{2}((1+G)\&CenterDot;\mathrm{in}[k]+(1-G)\&CenterDot;y[k\left]\right)$

如果倾斜滤波器处于衰减模式，则执行以下代码：

其实现了以下方程：

l0[k]＝(α²-1)·x[k]

$\mathrm{out}\left[k\right]=2{[(1+G)+\mathrm{\&alpha;}(1-G)]}^{-1}\&CenterDot;\left(\mathrm{in}\right[k]-\frac{1}{2}(1-G)l_0[k\left]\right)$

x[k]＝α·x[k-1]+out[k]

上述的第一高倾斜滤波器103和第二高倾斜滤波器106都可以通过使用“high_shelf”函数来实施，以如下方式实现：

实现该高倾斜滤波器实质上与实现低倾斜滤波器没有什么不同。比较上述两个函数，唯一的实质性区别就是单个系数的符号。因此，该程序流程是相同的。

上述图形均衡器107可以使用一系列11次调用来实现为“bell”滤波器函数，实现方式如下：

该函数bell()使用指向数组xv(状态变量“x”)、yv(状态变量“y”)、wpt(包含三个图形EQ参数G、k2和k1(1+k2))、输入样本组“input”和用于存储输出样本的空间的指针作为参数。上述代码片断中的前四个语句是简单的赋值语句，不需要进行解释。

该for循环被执行NSAMPLES次，其中NSAMPLES是输入数据集的大小。下一个语句如下：

ap_output＝geq_b0*(*input-yv[0])

+geq_b1*(xv[1]-yv[1])+xv[0]

上述语句计算该全通滤波器的输出，如上所述。下四行语句做了如下操作：

xv[0]＝xv[1]；

将存储在x[k-1]中的值移位到x[k-2]中。

xv[1]＝*input；

将存储在input[k]中的值移位到x[k-1]中。

yv[0]＝yv[1]；

将存储在y[k-1]中的值移位到y[k-2]中。

yv[1]＝*output；

将该全通滤波器的输出即output[k]的值移位到y[k-1]。

最后，该钟形滤波器的输出计算如下：

*output++＝0.5*(1.0-gain)*ap_output+0.5*(1.0+gain)*(*input++)；

上述的第一压缩器104和第二压缩器108可以使用“compressor”函数来实现如下：

该压缩器函数使用指向input、output和wpt数组的指针以及整数index为输入参数。该input和output数组被分别用作输入和输出数据集。第一行代码：

static float level；

为一个称为“level”的值分配静态存储空间，其在该函数多次调用之间保持该计算的信号电平。这是因为该电平是需要在整个程序期间被持续追踪的，而不是仅仅在单个数据集的运行期间被持续追踪。

下一行代码：

float interp，GR，excessGain，L，invT，ftempabs；

为在该压缩器算法计算期间使用的多个量分配临时存储空间，这些量仅仅是在模块的基础上需要，在每次遍历完该函数后就可以丢弃。

下一行代码：

invT＝vpt[2]；

提取该压缩器阈值的倒数(inverse)，其被存储在wpt数组第三个元素wpt[2]中。该wpt数组的其他元素包括上升时间、释放时间和压缩比。

下一行代码表示该压缩器循环被重复NSAMPLES次。下两行代码按照上述方程来实现该电平计算。为此，注意这一行

level＝(ftempabs＞＝level)？vpt[0]*(level-ftempabs)+

ftempabs：vpt[1]*(level-ftempabs)+ftempabs；

等价于扩展的语句：

这是执行上述必需的方程所需要的，其中wpt[0]存储上升常数αatt，wpt[1]存储释放常数αrel。

然后，可以假设增益减少GR等于1。于是执行以下比较：

if(level*invT＞1.0)

其与询问是否level＞T相同，即该信号电平是否超过阈值。如果否，则什么都不做。如果是，则计算该增益减少。

首先，如使用上述方程所计算的那样，将该多余增益计算为：

excessGain＝level*invT；

下两行语句

interp＝excessGain-trune(excessGain)；

j＝(int)trunc(excessGain)-1；

按照上述方程计算该幂值表中的index值。下一行

实现了上述的插值。二维数组“table”用两个索引作为参数：index和j。j的值就是该多余增益的最接近整数值。该表的值等于

$\mathrm{table}\left[\mathrm{index}\right]\left[j\right]={\left(j\right)}^{\frac{1-\mathrm{index}}{\mathrm{index}}}$

其可以被作为来自上述方程的必要值，其中不需要该“floor”操作，因为j是整数值。最后，用计算的增益减少GR按照下式来缩放该输入：

*output++＝*input++*GR；

并且将该值写入到该输出数组中的下一个位置上，然后使用输入数组中的下一个值继续该过程，直到输入集中的所有NSAMPLES个值都被用过为止。

应当注意的是，在实践中，上述每个函数一次将处理多个输入和输出数据数组而不是单个样本。这实质上并不会对该程序进行太大改变，就像上述程序是通过引用方式来传递它们的输入和输出所指示的那样。假定该算法被提供一个长度为NSAMPLES的数据集，则为了将该数据数组结合到该钟形滤波器函数所需的改变仅仅是将循环结合到该代码中，如下所示：

数字信号处理方法100作为整体，可以实现为对于上述每个函数的调用，具体实现如下：

//假定floatBuffer包含NSAMPLES个

//浮点数据采样的集。

//以下代码显示了在单个过程中

//执行的指令。

scale(inputGain，floatBuffer，floatBuffer)；

low_shelf(xv1_ap，yv1_ap，&working_table[0]，floatBuffer，floatBuffer)；

high_shelf(xv2_ap，yv2_ap，&working_table[3]，floatBuffer，floatBuffer)；

compressor(floatBuffer，floatBuffer，&working_table[6]，ratiol Index)；

low_shelf(xv3_ap_left，yv3_ap_left，xv3_ap_right，yv3_ap_right，&working_table[11]，floatBuffer，floatBuffer)；

high_shelf(xv4_ap_left，yv4_apleft，xv4_ap_right，yv4_ap_right，&working_table[14]，floatBuffer，floatBuffer)；

bell(xv1_geq，yv1_geq，&working_table[17]，floatBuffer，floatBuffer)；

bell(xv2_geq，yv2_geq，&working_table[20]，floatBuffer，floatBuffer)；

bell(xv3_geq，yv3_geq，&working_table[23]，floatBuffer，floatBuffer)；

bell(xv4_geq，yv4_geq，&working_table[26]，floatBuffer，floatBuffer)；

bell(xv5_geq，yv5_geq，&working_table[29]，floatBuffer，floatBuffer)；

bell(xv6_geq，yv6_geq，&working_table[32]，floatBuffer，floatBuffer)；

bell(xv7_geq，yv7_geq，&working_table[35]，floatBuffer，floatBuffer)；

bell(xv8_geq，yv8_geq，&working_table[38]，floatBuffer，floatBuffer)；

bell(xv9_geq，yv9_geq，&working_table[41]，floatBuffer，floatBuffer)；

bell(xv10_geq，yv10_geq，&working_table[44]，floatBuffer，floatBuffer)；

bell(xv11_geq，yv11_geq，&working_table[47]，floatBuffer，floatBuffer)；

compressor(floatBuffer，floatBuffer，&working_table[50]，ratiolIndex)；

scale(outputGain，floatBuffer，floatBuffer)；

可以看出，存在对于scale函数、low_shelf函数、high_shelf函数、bell函数、compressor函数的多个调用。此外，还有对于称为xv1、yv1、xv2、yv2等的数组的引用。这些数组是需要在各个程序的调用之间保持的静态变量，它们存储该过程中的各个滤波器的内部状态。其中还重复引用了一个称为working_table的数组。该表(table)存储了在该整个算法中使用的各个预先计算的系数。例如数据信号处理方法100的这个实施例的算法可以被划分为两部分：计算用于实时处理循环的系数和实时处理循环本身。该实时循环包括简单的乘法和加法，其易于在实时情况下执行，而该系数计算需要复杂的超越函数、三角函数以及其他不能在实时情况下有效执行的操作。幸运的是，该系数在运行期间是静态的，可以在进行实时处理之前预先计算。可以对于要使用数字信号处理方法100的每个音频设备特别计算这些系数。特别地，当在配置成用于车辆中的移动音频设备中使用数字信号处理方法100时，可以对要使用该音频设备的每个车辆分别计算这些系数，以获得最佳性能和考虑每个车辆所特有的声学特性例如扬声器布置、乘客舱设计和背景噪音。

例如，一个特定的收听环境可能产生某些异常的音频响应，例如是来自驻波的响应。例如，在较小的收听环境例如汽车中经常会出现这些驻波。汽车的长度例如是大约400个周期。在这种环境下，会产生一些在这个频率或者更低的驻波。驻波提供一个基于它们的频率的放大信号，这会产生讨厌的声学信号。相同大小、形状和相同特征的车辆(例如相同型号的汽车)，由于它们的大小、形状、结构设置、扬声器布置、扬声器质量和扬声器大小，会产生相同的异常。在另一实施例中，可以事先配置对频率和数量的调节，并且进行存储以用于图形均衡器107，从而减少将来在收听环境中产生的异常响应。

前面部分所示的“working table”都包括有存储在存储器中根据需要获取的预先计算的值。这样就节省了运行时的巨大计算量，并且使得数字信号处理方法100能够在低成本的数字信号处理芯片上运行。

应当注意的是，在这一部分具体说明的算法是以模块形式编写的。上述程序仅仅是数字信号处理方法100的一个特定软件实施例，并不是要以任何方式限制本发明。该软件实施例可以在用于音频设备的计算机芯片上编程实现，该音频设备例如但不限于收音机、MP3播放机、游戏站、蜂窝电话、电视机、计算机或者公共广播系统。该软件实施例具有以音频信号作为输入并以修改的形式输出该音频信号的效果。

虽然上面已经描述了本发明的各个实施例，但是应当认识到，它们仅仅是以示例的方式给出的而不是要限制。同样，各个图表可以表示本发明的示例性架构或其他配置，这有助于理解被包含在本发明中的特征和功能。本发明并不限于所示的示例性架构或配置，所预期的特征也可以使用各种替代的架构或配置来实现。事实上，本领域技术人员将会清楚如何利用替代的功能、逻辑或物理模块和配置来实现本发明的预期特征。并且，与这里所示不同的多个组成模块也可以用于各个模块。此外，对于流程图、操作说明和方法权利要求，这里所给出的步骤顺序不是规定要以相同的顺序来执行所述功能来实现各个实施例，除非上下文另有注明。

除非另有明确说明，否则本文中所使用的术语和短语及其变体都应当解释为开放性的而不是限制性的。例如：术语“包括”应当被解释为“包括但不限于”等；术语“示例”用于提供被讨论对象的示例性情况而不是排他的或限制性列举；术语“一个”应当被解释为“至少一个”、“一个或多个”等；形容词例如“常规的”、“传统的”、“正常的”、“标准的”、“已知的”以及相似含义的术语不应被解释为将对象限制为给定的时间期间或者在给定时间可用的对象，而是应当理解为涵盖了现在或将来某个时间可用的或可知的常规、传统、正常或标准技术。同样，本文中所述的本领域技术人员将会清楚或知晓的技术涵盖了本领域技术人员现在或将来某个时间清楚或知晓的技术。

用连词“和”连接的一组对象不应被理解为需要该组中的每一个对象，而是应当理解为“和/或”，除非有明确说明。类似地，用连词“或”连接的一组对象不应被理解为该组中的对象之间具有相互的排他性，而是应当解释为“和/或”，除非另有明确说明。此外，虽然本发明中的对象、元素或部件在说明书或权利要求中是单数形式，但是复数形式是被包含在其范围之内的，除非另有明确说明是限制为单数。

一些情况下宽泛单词或短语例如“一个或多个”、“至少”“但不限于”或其他类似短语的使用并不意味着在缺少这些宽泛单词的情况下就需要更窄的含义。术语“模块”的使用不意味着说明书或权利要求中所述的作为该模块一部分的部件或功能都配置在一个共同的组合内。事实上，一个模块的各个部件中的任何一个或者全部，不论是控制逻辑还是其他部件，都可以被组合在单个组合中或者分别保持，并且还可以分布在多个集合或组合中或者在多个位置。

此外，这里所给出的各个实施例是以示例性框图、流程图和其他图示形式描述的。本领域技术人员在阅读本文之后将会清楚的，所示实施例及其各种变体都可以实现，而不限于所示的示例。例如，框图及其相关说明不应被解释为规定了一种特定的架构或配置。

Claims (18)

1.一种数字处理音频信号的方法，包括：

第一次调节所述信号的增益；

利用第一低倾斜滤波器对经调节的所述信号进行滤波；

利用第一高倾斜滤波器对从所述第一低倾斜滤波器接收的所述信号进行滤波；

利用第一压缩器压缩从所述第一高倾斜滤波器接收的经滤波的所述信号；

利用第二低倾斜滤波器对从所述第一压缩器接收的所述信号进行滤波；

利用第二高倾斜滤波器对从所述第二低倾斜滤波器接收的所述信号进行滤波；

利用图形均衡器处理从所述第二高倾斜滤波器接收的所述信号；

利用第二压缩器压缩从所述图形均衡器接收的经处理的所述信号；

第二次调节从所述第二压缩器接收的经压缩的所述信号的增益；和

输出所述经第二次调节的信号，

其中，所述第一和第二低倾斜滤波器互为镜像，及所述第一和第二高倾斜滤波器互为镜像。

2.如权利要求1所述的方法，其中利用第一增益放大器来完成对于接收到的所述信号的第一次增益调节，以及利用第二增益放大器来完成对于所述信号的第二次增益调节。

3.如权利要求1所述的方法，其中所述第一低倾斜滤波器具有1000Hz的截止频率。

4.如权利要求1所述的方法，其中所述第一高倾斜滤波器具有1000Hz的截止频率。

5.如权利要求1所述的方法，其中所述图形均衡器包括十一个级联的二阶滤波器。

6.如权利要求5所述的方法，其中每个所述二阶滤波器都是钟形滤波器。

7.如权利要求6所述的方法，其中所述十一个滤波器中的第一个滤波器具有30Hz的中心频率，而所述十一个滤波器中的第十一个滤波器具有16000Hz的中心频率。

8.如权利要求7所述的方法，其中第二到第十个滤波器的每个的连续滤波器的中心频率之间的间隔是一个倍频程。

9.如权利要求1所述的方法，其中所述第二低倾斜滤波器相对于所述第一低倾斜滤波器是幅度互补的频率响应低倾斜滤波器。

10.一种扬声器系统，包括：

第一增益放大器，其被配置成放大信号；

第一低倾斜滤波器，其被配置成对经放大的所述信号进行滤波；

第一高倾斜滤波器，其被配置成对从所述第一低倾斜滤波器接收的所述信号进行滤波；

第一压缩器，其被配置成压缩从所述第一高倾斜滤波器接收的经滤波的所述信号；

第二低倾斜滤波器，其被配置成对从所述第一压缩器接收到的所述经压缩的信号进行滤波；

第二高倾斜滤波器，其被配置成对从所述第二低倾斜滤波器接收到的信号进行滤波；

图形均衡器，其被配置成处理从所述第二高倾斜滤波器接收到的经滤波的所述信号；

第二压缩器，其被配置成压缩从所述图形均衡器接收到的经处理的所述信号；和

第二增益放大器，其被配置成对从所述第二压缩器接收到的经压缩的所述信号的增益进行放大并且输出一输出信号，

其中，所述第一和第二低倾斜滤波器互为镜像，及所述第一和第二高倾斜滤波器互为镜像。

11.如权利要求10所述的扬声器系统，其中所述信号是音频信号。

12.如权利要求10所述的扬声器系统，其中所述第一低倾斜滤波器具有1000Hz的截止频率。

13.如权利要求10所述的扬声器系统，其中所述第一高倾斜滤波器具有1000Hz的截止频率。

14.如权利要求10所述的扬声器系统，其中所述图形均衡器包括十一个级联的二阶滤波器。

15.如权利要求14所述的扬声器系统，其中每个二阶滤波器都是钟形滤波器。

16.如权利要求15所述的扬声器系统，其中所述十一个滤波器中的第一个滤波器具有30Hz的中心频率，而所述十一个滤波器中的第十一个滤波器具有16000Hz的中心频率。

17.如权利要求16所述的扬声器系统，其中第二到第十个滤波器的每个的连续滤波器的中心频率之间的间隔是一个倍频程。

18.如权利要求10所述的扬声器系统，其中所述第二低倾斜滤波器相对于第一低倾斜滤波器是幅度互补的频率响应低倾斜滤波器。

Images