CN102572588A - 一种实现机顶盒混音的方法及装置 - Google Patents

Abstract

本发明提供一种实现机顶盒混音的方法及装置，该方法包括：将机顶盒接收到的多路的音频码流解码成对应的PCM格式数据；对各路解码出的PCM格式数据进行处理后，混音为一路进行输出。根据本发明一方面能够解决现有机顶盒混音由硬件实现，并且自适应不够，移植性差的缺点，另一方面又可以降低开发成本，提升功能开发速度。

Description

一种实现机顶盒混音的方法及装置

技术领域

本发明涉及多媒体终端领域，更具体地，涉及一种实现机顶盒混音的方法及装置，使机顶盒能够自适应适配各种音频类型。

背景技术

随着多媒体技术的发展，很多媒体影音和终端设备都具有混音功能，但由于硬件平台的差异，都是依赖各自独立的芯片来实现的。

就机顶盒来说，不同型号的机顶盒采用的都是不同芯片厂家的硬件平台和技术方案，因此音视频相关的解码播放都是各自的芯片硬件模块来完成的，对于集成开发厂家来说，很多播放相关的功能都需要授权证书，即开发一款机顶盒就需要向芯片厂家支付一定费用，如h264，mpeg4，mp3播放，混音实现，等功能的支持，

以IP机顶盒为例，混音功能是作为IPTV(交互式网络电视)机顶盒技术规范说明的一种播放业务，场景主要有游戏业务，网页播放等需要支持背景音乐和按键音效的混合播放。在上述混音实现原理上，传统的做法都是机顶盒通过网络接收页面2路或多路音频流，由机顶盒硬件来完成各路解码混合输出的。这种方法依赖具体硬件，一直以来都是芯片厂家提供实现方案，一般没有现成的可直接运行的代码，每升级一个SDK(Software DevelopmentKit，软件开发工具包)版本都需要重头来做该功能，并且其混音方案大部分都无法适应多种音频格式的互混，因此，传统的机顶盒混音实现存在着对芯片厂家依赖程度高，自适应不够，可移植性差的不足，不利于机顶盒降低成本和模块化快速开发。

发明内容

本发明要解决的技术问题是提供一种实现机顶盒混音的方法及装置，以通过软件方法实现机顶盒混音。

为了解决上述技术问题，本发明提供了一种实现机顶盒混音的方法，包括：

将机顶盒接收到的多路的音频码流解码成对应的脉码调制录音(PCM)格式数据；

对各路解码出的PCM格式数据进行处理后，混音为一路进行输出。

进一步地，上述方法还具有下面特点：所述对各路解码出的PCM格式数据进行处理包括：

根据所述机项盒支持的PCM采样率，判断是否需要对解码出的PCM格式数据进行采样率转换，若不需要，则将解码出的PCM格式数据分别进行缓存，若需要，将解码出的PCM格式数据进行采样率转换后，再分别进行缓存。

进一步地，上述方法还具有下面特点：在混音过程中包括：

确定每次混音的数据量；

调用混音算法，将各路缓存的所述数据量的PCM格式数据混合到其中一路；

播放所述混合为一路的PCM格式数据。

进一步地，上述方法还具有下面特点：所述确定每次混音的数据量是通过以下方式进行确定的：

判断所述机顶盒的音频驱动缓存的剩余空间能够缓存的数据量是否大于缓存PCM格式数据的最小的连续的数据量，若大于，则以缓存PCM格式数据的最小的连续的数据量为本次混音的数据量；若不大于，则以所述机顶盒的音频驱动缓存的剩余空间能够缓存的数据量为本次混音的数据量。

进一步地，上述方法还具有下面特点：所述将各路缓存的所述数据量的PCM格式数据混合到其中一路之前，还包括：

降低各路缓存的所述数据量的PCM格式数据的幅度。

进一步地，上述方法还具有下面特点：所述将各路缓存的所述数据量的PCM格式数据混合到其中一路之后，还包括：

若判断叠加后的数据发生溢出，则将溢出部分的数据用预定的最大值或最小值代替。

进一步地，上述方法还具有下面特点：所述将各路缓存的所述数据量的PCM格式数据混合到其中一路之后，还包括：

将混合后的数据进行缓存。

进一步地，上述方法还具有下面特点：所述音频码流的格式包括以下的一种或多种：

MP3格式、脉码调制录音格式、波形声音文件格式和微软音乐媒体文件格式。

为了解决上述问题，本发明还提供了一种实现机顶盒混音的装置，包括：

第一模块，用于将机顶盒接收到的多路的音频码流解码成对应的脉码调制录音(PCM)格式数据；

第二模块，对各路解码出的PCM格式数据进行处理后，混音为一路进行输出。

进一步地，上述装置还具有下面特点：第二模块包括：

第一单元，用于根据所述机项盒支持的PCM采样率，判断是否需要对解码出的PCM格式数据进行采样率转换，若不需要，则将解码出的PCM格式数据分别进行缓存，若需要，将解码出的PCM格式数据进行采样率转换后，再分别进行缓存。

进一步地，上述装置还具有下面特点：第二模块还包括：

第二单元，用于确定每次混音的数据量，调用混音算法，将各路缓存的所述数据量的PCM格式数据混合到其中一路，播放所述混合为一路的PCM格式数据。

进一步地，上述装置还具有下面特点：

第二单元，确定每次混音的数据量是通过以下方式进行确定的：

判断所述机顶盒的音频驱动缓存的剩余空间能够缓存的数据量是否大于缓存PCM格式数据的最小的连续的数据量，若大于，则以缓存PCM格式数据的最小的连续的数据量为本次混音的数据量；若不大于，则以所述机顶盒的音频驱动缓存的剩余空间能够缓存的数据量为本次混音的数据量。

进一步地，上述装置还具有下面特点：

第二单元，将各路缓存的所述数据量的PCM格式数据混合到其中一路之前还用于：降低各路缓存的所述数据量的PCM格式数据的幅度。

进一步地，上述装置还具有下面特点：

第二单元，将各路缓存的所述数据量的PCM格式数据混合到其中一路之后还用于：若判断叠加后的数据发生溢出，则将溢出部分的数据用预定的最大值或最小值代替；将混合后的数据进行缓存。

为了解决上述问题，本发明还提供了一种机顶盒，包括上述的装置。

综上，本发明提供一种实现机顶盒混音的方法及装置、机顶盒，一方面能够解决现有机顶盒混音由硬件实现，并且自适应不够，移植性差的缺点，另一方面又可以降低开发成本，提升功能开发速度。

附图说明

图1为本发明实施例一的实现机顶盒混音的装置的示意图。

图2为本发明实施例二的实现机顶盒混音的装置的示意图。

图3为本发明实施例的实现机顶盒混音的方法的流程图。

图4为本发明实施例的混音缓存数据的示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下文中将结合附图对本发明的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。

图1为本发明实施例一的实现机顶盒混音的装置的示意图，如图1所示，本实施例的装置包括：

第一模块，用于将机顶盒接收到的多路的音频码流解码成对应的脉码调制录音(PCM)格式数据；

第二模块，对各路解码出的PCM格式数据进行处理后，混音为一路进行输出。

其中，第二模块包括：

第一单元，用于根据所述机项盒支持的PCM采样率，判断是否需要对解码出的PCM格式数据进行采样率转换，若不需要，则将解码出的PCM格式数据分别进行缓存，若需要，将解码出的PCM格式数据进行采样率转换后，再分别进行缓存。

第二单元，用于确定每次混音的数据量，调用混音算法，将各路缓存的所述数据量的PCM格式数据混合到其中一路，播放所述混合为一路的PCM格式数据。

其中，第二单元，确定每次混音的数据量是通过以下方式进行确定的：

判断所述机顶盒的音频驱动缓存的剩余空间能够缓存的数据量是否大于缓存PCM格式数据的最小的连续的数据量，若大于，则以缓存PCM格式数据的最小的连续的数据量为本次混音的数据量；若不大于，则以所述机顶盒的音频驱动缓存的剩余空间能够缓存的数据量为本次混音的数据量。

第二单元将各路缓存的所述数据量的PCM格式数据混合到其中一路之前还可以用于：降低各路缓存的所述数据量的PCM格式数据的幅度。

第二单元将各路缓存的所述数据量的PCM格式数据混合到其中一路之后还可以用于：若判断叠加后的数据发生溢出，则将溢出部分的数据用预定的最大值或最小值代替；将混合后的数据进行缓存。

本发明实施例还提供一种机顶盒，该机顶盒包括上述的装置。

本实施例提供的装置的基本原理是将多路音频数据在应用层通过软件混音后输出到一路，最后送具体硬件驱动来播放混音效果。

下面以输入2路音频码流为例进行说明，其中，输入源可以是http(HyperText Transfer Protocol，超文本传输协议)方式获取的音频码流，音频码流的格式可以是MP3、PCM(Pulse Code Modulation，脉码调制录音)、WAV(波形声音文件)、WMA(Windows Media Audio，微软音乐媒体文件)等。

当然，按照功能的不同实现本装置的模块可以有不同的划分，如图2。

图2为本发明实施例二的实现机顶盒混音的装置的示意图，如图2所示，本实施例的装置包括：

音频解码模块(相当于图1中的第一模块)，用于自动解析机顶盒端接收的各路音频码流的类型，将上述各路音频码流解码成对应的PCM数据，如MP3解码成PCM、WMA解码成PCM，

转换模块，用于对于解码出不同采样率的PCM信号根据要求进行采样率转换。

混音输出模块，用于将解码出的各路PCM数据，通过软件混音算法，叠加混合输出到一路，最终送到音频驱动来完成播放。

其中，转换模块和混音输出模块的组合相当于图1的第二模块。

其中，所述混音输出模块中，混音是在单独开的混音线程中完成，混音线程中数据读写操作由之前注入数据的buffer(缓存)各自的读写指针来控制

图3为本发明实施例的实现机顶盒混音的方法的流程图，如图3所示，本实施例的方法包括下面步骤：

S10、将机顶盒接收到的多路的音频码流解码成对应的脉码调制录音(PCM)格式数据；

S20、对各路解码出的PCM格式数据进行处理后，混音为一路进行输出。

本实施例中的音频解码模块中集成了MP3软解码和WMA软解码功能。

如果当前接收的1路是MP3数据，之前已解析了，则音频解码模块会调用MP3初始化接口初始化MP3，然后循环调用封装好的MP3解码接口函数，将MP3数据帧解码成PCM样本；转换模块根据要求做采样率转换后，则直接将解码出的PCM数据段拷贝到当前路的静态缓存；

如果当前接收的是PCM数据或WAV数据，则不需要解码，则转换模块根据要求做采样率转换后直接拷贝到当前路的静态缓存供后面混音使用。

其中，转换模块对于采样率转换要遵循以下规则：

如果底层(机顶盒)不支持8K采样率的PCM，则在混音前需要调用8Kto16K(8k转换为16K)算法切比雪夫II型12阶滤波将8K转换成16K；如果不支持16k，则要调用16K转换为32K；

如果底层8K和16K都不支持，则对于8K采样率的PCM需要连续调用8K转换为16K和16K转换为32K进行2次转换操作转换为底层支持的32K采样率。

本实施例中的两路分别为MP3和PCM注入为例，其中，MP3采样率32000HZ，PCM采样率8K；本实施例的硬件不支持8K和16K的PCM采样率，则该条件下音频解码和转换步骤如下：

步骤101、对第1路MP3注入，循环调用封装好的MP3解码接口函数，将MP3数据帧解码成PCM样本，由于32K采样率硬件支持，不用进行采样率转换，则直接将解码出的PCM样本数据段拷贝到当前路的静态缓存音频的buffer1；

步骤102，对第2路的PCM，由于是8K底层不支持，需要调用8Kto16K，16Kto32K的2次采样率转换，然后拷贝到当前路的静态缓存音频的buffer2，特别地，采用率转换算法中调用了切比雪夫II型12阶低通滤波模型进行滤波。

本实施例的混音是在单独开的混音线程中完成的，混音线程中数据读写操作由之前注入数据的buffer各自的读写指针来控制，混音输出模块混音输出基本流程主要包括下面步骤：

步骤201、确定每次混音数据量；

步骤202、调用混音算法；

步骤203、拷贝输出到一路。

上述步骤201中，混音数据量大小要根据3个因素来确认，一是底层驱动缓存(ESfreesize)的剩余空间大小；二是第1路缓存中连续的数据量；三是第2路缓存中连续的数据量，一般都是取2者最小的连续的一段数据段作为当前混音数据量。

具体做法是：当驱动缓存剩余空间小于最小的连续数据量时，则直接以剩余空间所能够存储的数据量为当前混音数据量，否则取两路中最小连续数据段作为当前混音数据量。

如图4中的情况，底层ESfreesize＞Len2＞len1，而且Len1和Len2读写指针表示有效数据Len都是连续的一段，则本次混音数据量大小取MixLen＝Len1。

上述步骤202中调用混音算法，所述算法主要是采用两路按照16位的量化精度进行线性叠加然后混合到其中一路，由于采用线性叠加会导致溢出噪声，因此这里还采用2个步骤来综合降噪：

混音及降噪公式为：

(公式1)

公式中，m为输入音频流个数，j为第j个音频流，i为一帧中第i个样本，则

为m路音频流各自当前帧的叠加。

第1步：混音叠加前对叠加的2路限幅，降低各自的幅度，具体限幅多少根据需要来定，这样可以一定程度上减小溢出的可能，每路音频有自己的权重Kj，如上述公式1，混音时需要乘上各自的权重。

第2步：在混音过程中采用滤波来处理溢出部分，具体滤波方法为：如果有溢出，则溢出的样本用最大和最小临界值代替，没有溢出的混音结果保持不变为：

本实施例中，最大输出值为32767，最小输出值为-32768。

上述步骤203中，拷贝输出到一路是将混音后的样本数据段写到其中1路，然后拷贝到音频驱动buffer输出播放该混音段。

此时第1路的有效数据是之前2路混音后的数据，长度为MixLen。第2路由于已取走MixLen长度，则同步更新其读指针R2，此时第2路还剩下W2-R2＝Len2-MixLen。然后将第1路中Mix的结果拷贝到音频驱动的Esbuffer中来播放，最后同步更新第1路的读指针R1右移到R1＝W1，表示第1路已空。

上述混音流程操作执行完后，信号控制权交给注数据线程完成解码转换注数据，如此循环。

本发明实施例实现了机顶盒自适应软件混音功能，主要优点有：第一、可移植性高，不依赖于具体硬件平台，只需要在不同平台下修改makefile编译通过就可以了，传统的机顶盒混音过分依赖于具体芯片来提供，可移植性比较差；第二、自适应高，集成了MP3软解码和WMA软解码功能，满足MP3/PCM/WAV/WMA的任意组合混音，传统的机顶盒混音除了解码需要硬件支持，基本上不能任意组合，即使可以也需要重新调用平台接口来写实现流程；第三、可降低成本，快速开发，提升开发效率。

本领域普通技术人员可以理解上述方法中的全部或部分步骤可通过程序来指令相关硬件完成，所述程序可以存储于计算机可读存储介质中，如只读存储器、磁盘或光盘等。可选地，上述实施例的全部或部分步骤也可以使用一个或多个集成电路来实现。相应地，上述实施例中的各模块/单元可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。本发明不限制于任何特定形式的硬件和软件的结合。

以上仅为本发明的优选实施例，当然，本发明还可有其他多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (15)

1.一种实现机顶盒混音的方法，包括：

将机顶盒接收到的多路的音频码流解码成对应的脉码调制录音(PCM)格式数据；

对各路解码出的PCM格式数据进行处理后，混音为一路进行输出。

2.如权利要求1所述的方法，其特征在于：所述对各路解码出的PCM格式数据进行处理包括：

根据所述机项盒支持的PCM采样率，判断是否需要对解码出的PCM格式数据进行采样率转换，若不需要，则将解码出的PCM格式数据分别进行缓存，若需要，将解码出的PCM格式数据进行采样率转换后，再分别进行缓存。

3.如权利要求2所述的方法，其特征在于：在混音过程中包括：

确定每次混音的数据量；

调用混音算法，将各路缓存的所述数据量的PCM格式数据混合到其中一路；

播放所述混合为一路的PCM格式数据。

4.如权利要求3所述的方法，其特征在于：所述确定每次混音的数据量是通过以下方式进行确定的：

判断所述机顶盒的音频驱动缓存的剩余空间能够缓存的数据量是否大于缓存PCM格式数据的最小的连续的数据量，若大于，则以缓存PCM格式数据的最小的连续的数据量为本次混音的数据量；若不大于，则以所述机顶盒的音频驱动缓存的剩余空间能够缓存的数据量为本次混音的数据量。

5.如权利要求3所述的方法，其特征在于：所述将各路缓存的所述数据量的PCM格式数据混合到其中一路之前，还包括：

降低各路缓存的所述数据量的PCM格式数据的幅度。

6.如权利要求3所述的方法，其特征在于：所述将各路缓存的所述数据量的PCM格式数据混合到其中一路之后，还包括：

若判断叠加后的数据发生溢出，则将溢出部分的数据用预定的最大值或最小值代替。

7.如权利要求3所述的方法，其特征在于：所述将各路缓存的所述数据量的PCM格式数据混合到其中一路之后，还包括：

将混合后的数据进行缓存。

8.如权利要求1-7任一项所述的方法，其特征在于：所述音频码流的格式包括以下的一种或多种：

MP3格式、脉码调制录音格式、波形声音文件格式和微软音乐媒体文件格式。

9.一种实现机顶盒混音的装置，包括：

第一模块，用于将机顶盒接收到的多路的音频码流解码成对应的脉码调制录音(PCM)格式数据；

第二模块，对各路解码出的PCM格式数据进行处理后，混音为一路进行输出。

10.如权利要求9所述的装置，其特征在于：第二模块包括：

第一单元，用于根据所述机项盒支持的PCM采样率，判断是否需要对解码出的PCM格式数据进行采样率转换，若不需要，则将解码出的PCM格式数据分别进行缓存，若需要，将解码出的PCM格式数据进行采样率转换后，再分别进行缓存。

11.如权利要求10所述的方法，其特征在于：第二模块还包括：

第二单元，用于确定每次混音的数据量，调用混音算法，将各路缓存的所述数据量的PCM格式数据混合到其中一路，播放所述混合为一路的PCM格式数据。

12.如权利要求11所述的装置，其特征在于：

第二单元，确定每次混音的数据量是通过以下方式进行确定的：

判断所述机顶盒的音频驱动缓存的剩余空间能够缓存的数据量是否大于缓存PCM格式数据的最小的连续的数据量，若大于，则以缓存PCM格式数据的最小的连续的数据量为本次混音的数据量；若不大于，则以所述机顶盒的音频驱动缓存的剩余空间能够缓存的数据量为本次混音的数据量。

13.如权利要求11所述的装置，其特征在于：

第二单元，将各路缓存的所述数据量的PCM格式数据混合到其中一路之前还用于：降低各路缓存的所述数据量的PCM格式数据的幅度。

14.如权利要求11-13任一项所述的装置，其特征在于：

第二单元，将各路缓存的所述数据量的PCM格式数据混合到其中一路之后还用于：若判断叠加后的数据发生溢出，则将溢出部分的数据用预定的最大值或最小值代替；将混合后的数据进行缓存。

15.一种机顶盒，包括如权利要求9-14任一项所述的装置。

Images