CN103905672B - 音量调节方法与系统 - Google Patents

Abstract

一种音量调节方法，包括：接收来自发送端之数字音频流；当侦测到激发信号时，根据编码规则对采样周期内之多个数字音频包进行采样以取得对应之多个输出值，其中所述输出值中之每一输出值对应至一个音量级别；分析所述数字音频包以统计取得对应所述音量级别之多个累计值；根据所述累计值计算取得平均音量级别；根据所述平均音量级别与标准音量级别计算取得音量调节值；以及根据所述音量调节值对后续接收到之数字音频包进行音量调节。本发明还提供一种音量调节系统。所述音量调节方法与系统可改善使用多方会议系统常常发生不同收话端的音量大小不一致的情况。

Description

音量调节方法与系统

技术领域

本发明系涉及一种音频处理方法，尤其涉及一种使用于网络协议语音（VoiceoverInternetProtocol，VOIP）系统的音量调节方法及系统。

背景技术

图1显示一般的VOIP音频处理系统的架构示意图。

所述VOIP音频处理系统包括发送端（发话端）11与接收端（收话端）13，其分别具有多个硬件模块或组件。

发送端11至少包括模数转换器（Analog-to-DigitalConverter，A/C）112、编解码单元114以及打包处理模块（PacketModule）116。接收端13至少包括增益控制（GainControl）单元130、数模转换器（Digital-to-AnalogConverter，D/C）132、编解码单元134以及解包处理模块136。

模数转换器112取得模拟音频流后，将模拟音频流转换成数字音频流。编解码单元114自所述数字音频流采样出多个音频帧（AudioFrame），并根据G.711编码规则对所述音频帧进行编码（压缩）。当完成编码后，编解码单元114输出多个经过压缩的音频帧给打包处理模块116。

打包处理模块116将对一个编码后的数字音频帧加上一个因特网协议（InternetProtocol，以下称IP）标头（Header），经由用户数据报协议（UserDatagramProtocol，以下称UDP）模块（未显示）将所述编码后的数字音频帧打包成UDP包，经由实时传输协议（Real-timeTransportProtocol，以下称RTP）模块（未显示）将所述UDP包打包成RTP包，并且再将所述RTP包打包成IP包。

重复上述操作，以将所有编码后的数字音频流打包成IP包。打包处理模块116亦可将数个编码后的数字音频流打包成一个IP包。

另外，当发送端11之声音变化检测器（VoiceActivityDetector，VAD）（未显示）检测到没有任何用户说话时，令发送端11之无声插入描述符（SilenceInsertionDescriptor，SID）单元（未显示）送出适当的背景噪音给接收端13。

每一个IP包内含有目的地的IP地址，如此当被发送到IP网络中时，可根据所述IP地址转送到目的地。

来自发送端11被打包成多个IP包的音频流被发送至接收端13。接收端13的解包处理模块136取得所述IP包后，将所述IP包解开以取得多个RTP包，并利用RTP模块（未显示）将所述RTP包解开以取得多个UDP包，并且利用UDP模块（未显示）将所述UDP包解开以取得多个编码后的数字音频帧。

编解码单元134对所述编码后的数字音频帧译码得到脉冲编码调制（PulseCodeModulation，PCM）格式的数字音频流。数模转换器132将数字音频流转换回模拟音频流（声音信号）。接收端13的用户可经由增益控制单元130对声音信号的音量进行调节。

在使用多方会议系统时，常常发生各个接收端有音量大小不一致的情况，使得每个接收端的用户必须自行对音量进行增益控制，又或者对放大器线性度、噪声...等参数进行调节。如此一来，用户可能需要经常的调节音量而造成不便。

发明内容

有鉴于此，需提供一种音量调节方法与系统，适用于音频处理系统，用于用于检测所接收之声音信号的音量大小，并根据默认的标准音量来调节输出至收话端的音量大小。

本发明一种实施方式提供一种音量调节方法，其适用于网络电话系统，所述方法包括：接收来自发送端之数字音频流；判断是否检测到激发信号；若检测到所述激发信号，自所述数字音频流，根据编码规则对采样周期内之多个数字音频包进行采样；根据所述采样操作取得对应所述数字音频包之多个输出值，其中所述输出值中之每一输出值对应至一个音量级别；分析所述数字音频包，以统计取得对应所述音量级别之多个累计值，其中每一累计值表示其对应之音量级别之包采样次数的多个累计值；根据所述累计值计算取得平均音量级别；根据所述平均音量级别与标准音量级别计算取得音量调节值；及根据所述音量调节值对所述数字音频流中后续接收到之数字音频包进行音量调节。

优选地，本发明之音量调节方法还包括：判断所述数字音频包之其中一数字音频包的音量调节结果是否超出上限值或下限值；以及若所述音量调节结果超出所述上限值或所述下限值，则根据上界值或下界值对所述调节后的数字音频包进行微调。

优选地，本发明之音量调节方法还包括：若未检测到所述激发信号，以先前计算产生的音量调节值对接收到的数字音频包进行音量调节。

优选地，本发明之音量调节方法还包括：根据所述音量调节值对所述数字音频流中后续接收到之数字音频包进行音量调节，直到下一次计算取得新的音量调节值为止。

本发明一种实施方式还提供种音量调节系统，包括发送端与接收端。所述发送端至少包括第一编解码单元，其中，所述第一编解码单元对数字音频流中之多个数字音频包进行采样。所述接收端至少包括处理单元与包适应模块。所述处理单元接收来自所述发送端之所述数字音频流，并且判断是否检测到激发信号。

在检测到所述激发信号时，所述包适应模块自所述数字音频流，根据编码规则对采样周期内之多个数字音频包进行采样，根据所述采样操作取得对应所述数字音频包之多个输出值，其中所述输出值中之每一个输出值对应至音量级别，分析所述数字音频包，以统计取得对应所述音量级别之多个累计值，其中每一累计值表示其对应之音量级别之包采样次数的多个累计值，根据所述累计值计算取得平均音量级别，根据所述平均音量级别与标准音量级别计算取得音量调节值，以及，根据所述音量调节值对所述数字音频流中后续接收到之数字音频包进行音量调节。

优选地，在本发明之音量调节系统中，所述包适应模块判断所述数字音频包之其中一数字音频包的音量调节结果是否超出上限值或下限值，以及，若所述音量调节结果超出所述上限值或所述下限值，则根据上界值或下界值对所述调节后的数字音频包进行微调。

优选地，在本发明之音量调节系统中，若未检测到所述激发信号，所述包适应模块以先前计算产生的音量调节值对接收到的数字音频包进行音量调节。

优选地，在本发明之音量调节系统中，所述包适应模块根据所述音量调节值对所述数字音频流中后续接收到之数字音频包进行音量调节，直到下一次计算取得新的音量调节值为止。

本发明实施方式中音量调节方法与系统通过检测所接收之声音信号的音量大小，在还没发送到各个接收端（收话端）播放之前，根据默认的标准音量对音频信号进行音量调节，以确保所有接收端播放的音量大小可接近一致。

附图说明

图1显示一般的VOIP音频处理系统的架构示意图。

图2显示本发明一种实施方式之音量调节方法的步骤流程图，其适用于VOIP音频处理系统。

图3显示在本发明一种实施方式中，以每20秒的倍数的间隔时间进行一次音频采样的示意图。

图4显示本发明第一实施方式之音量调节系统的架构图，其适用于VOIP音频处理系统。

图5显示本发明第二实施方式之音量调节系统的架构图，其适用于VOIP音频处理系统。

主要元件符号说明

发送端11、41、51

接收端13、43、53

用户45、55

模数转换器112

编解码单元114、134、534

打包处理模块116、516

解包处理模块136、536

增益控制单元130

数模转换器132、532

包适应模块438、535

处理单元440、540

缓冲存储器542

具体实施方式

本发明一种实施方式之音量调节方法接收发送端（发话端）之音频信号，检测所接收之声音信号的音量大小，在还没发送到各个接收端（收话端）播放之前，根据默认的标准音量对音频信号进行音量调节，以确保所有接收端播放的音量大小可接近一致。

图2显示本发明一种实施方式之音量调节方法的步骤流程图，其适用于网络协议语音（VoiceoverInternetProtocol，VOIP）音频处理系统。

在步骤S202中，接收端接收来自发送端（发话端）的数字音频包。

在步骤S204中，接收端判断是否检测到激发信号。激发时间点是由处理单元配合系统设计来定义，而不是一种标准。因此，不需要一直采样，仅需在间隔每预设时间检测到激发时间的时候再采样即可。在硬件设计上，激发信号可经由系统未使用到的控制插针（Pin）或保留额外控制插针来送出给处理单元。采样间隔时间则经由固件或软件程序来控制规范。

在步骤S206中，若检测到激发信号，则对一段时间周期内之数字音频包进行采样，所述时间周期约为8.192秒（称为〝采样周期（SampledPeriod）〞）。需注意到，所述采样周期非为固定值，可依据实际应用情况来决定。

根据G.711编码规则（例如，μ-Law编码）对所述采样周期内的数字音频包采样而得到多个14位（bit）线性输入码（LinearInputCode），所述14位线性输入码包括s0000000wxyza、s0000001wxyza、…、s1wxyzabcdefg。

根据所述14位线性输入码转换产生对应上述14位线性输入码之多个8位压缩值（CompressedCode）。所述14位线性输入码与所述8位压缩值的关系如表1之映射表所示。其中，表1系存储在缓冲存储器（BufferMemory）内。

表1

线性输入码	压缩值
		s0000000wxyza...	s000wxyz
s0000001wxyza...	s001wxyz
		s000001wxyzab...	s010wxyz
s00001wxyzabc...	s011wxyz
		s0001wxyzabcd...	s100wxyz
s001wxyzabcde...	s101wxyz
		s01wxyzabcdef...	s110wxyz
s1wxyzabcdefg...	s111wxyz

对所述数字音频包之压缩值进行分析，以自所述8位压缩值取出其中的3位输出值，如表1中的000、001、…、111所示。

需注意到，在步骤S206中，取得14位线性输入码与8位压缩值之操作，通常都是在发送端即已处理完成。

在步骤S208中，接收端分析在所述采样周期内的数字音频包并且统计取得对应不同音量级别（Level）之包采样次数的累计值（SumofSampledFrequency）。如表2所示（存储在缓冲存储器442中），本发明一种实施方式定义了8个音量级别，包括级别0、级别1、...、级别7。在所述采样周期内，当采样其中一个数字音频包时，判断所述数字音频包的音量级别是落在0～7哪一个音量级别。举例来说，若检测到某一个数字音频包的级别为2，则将级别2的累计值加1。

表2

音量级别	累计值	输出值
			级别7	382	111
级别6	649	110
			级别5	697	101

级别4	900	100
			级别3	864	011
级别2	1204	010
			级别1	1872	001
级别0	1432	000

需注意到，上述音量级别是根据μ-Law（或a-Law）归类为8个粗分级别，尚需加上wxyz等位并经由解压缩后才可得到实际因量级别。简言之，本发明一种实施方式之音量调节方法是基于压缩码的粗分级别来计算出音量调节值，而非基于较复杂的原始实际级别。

在步骤S210中，在所述采样周期内，当确认所有采样的数字音频包属于哪个音量级别，可得到对应每一个音量级别的累计值分别为1432（级别0）、1872（级别1）、…、382（级别7）。换句话说，取得对应所有音量级别之包采样次数的累计值，并且对所有累计值进行数学运算（例如，加权平均）以产生一平均音量级别。

在步骤S212中，对所述平均音量级别与存储于一缓冲存储器的标准音量级别进行数学运算，以计算取得一音量调节值（AudioShiftValue）。需注意到，所述标准音量级别可由用户自定义、系统自动产生或以其它方式产生。

在步骤S214中，将所述音量调节值存储于所述缓冲存储器。

在步骤S216中，在本发明一种实施方式中，若检测到激发信号，则根据步骤S210计算得到的音量调节值对之后接收的数字音频包调节音量，直到下一次计算取得新的音量调节值为止。若未检测到激发信号，以先前计算产生的音量调节值对之后接收的数字音频包调节音量。需注意到，当一开始尚未计算取得任何音量调节值，则以默认值或其它方式来调节音量大小，又或者不进行调节。

需注意到，在本发明一种实施方式中，当第一次采样后，以每20秒的倍数的间隔时间进行下一次采样，如图3所示，但不以此为限，可视实际应用情况改变。

在步骤S218中，当对某个数字音频包调节完音量后，判断是否超出上限值或下限值。也就是说，在调节完后，可能会发生想调大声音，但因为3位限制导致运算结果是小音量的情况。或者，想调小声音，但因为3位限制导致运算结果是大音量的情况。

在步骤S220中，若调节完的音量超出所述上限值或所述下限值，则根据上界值（UpperBondValue）或下界值（UpperBondValue）对接收的数字音频包进行微调，使音量被限制在音量粗分级别的极大或极小范围内，即，级别7或0。

在步骤S222中，若调节完的音量未超出所述上限值或所述下限值，则根据步骤S210计算得到的音量调节值完成对数字音频包的音量调节。

图4显示本发明第一实施方式之音量调节系统的架构图，其适用于VOIP音频处理系统。

所述音量调节系统包括传送端（发话端）41与接收端（收话端）43，其分别具有复数个硬件模块或组件。

传送端41内包含的模块如图1的模拟/数字转换器（A/C）112、编译码单元114以及打包处理模块116所示，并且执行相同的操作，在此不再详述。

接收端43至少包括包适应模块（PacketAdaptingModule）438与处理单元440

传送端41取得来自用户45的声音信号（模拟音频串流）后，将该模拟音频串流转换成数字音频串流，根据G.711编码规则（例如，A-Law编码或μ-Law编码）对该数字音频串流采样以取得如表1所示之14位线性输入码及对应之8位的压缩值，以及将编码后的数字音频串流打包成IP封包并传送至接收端43。

接收端43的处理单元440接收来自发送端41的IP包（以下称数字音频包），并判断是否检测到激发信号。若检测到激发信号，则对采样周期内之数字音频包进行采样，并根据编码规则（例如，G.711的μ-Law编码）对所述数字音频流中的数字音频包进行分析，以取得每一数字音频包的3位输出值，如前述表1中的000、001、…、111所示。

包适应模块438分析在所述采样周期内的数字音频包并且统计取得对应不同音量级别之包采样次数的累计值。如前述表2所示，本发明一种实施方式定义了8个音量级别，包括级别0、级别1、...、级别7。在所述采样周期内，当采样其中一个数字音频包时，判断所述数字音频包的音量级别是落在0～7哪一个音量级别。

在所述采样周期内，当包适应模块438确认所有采样的数字音频包属于哪个音量级别，可得到对应每一个音量级别的累计值分别为1432（级别0）、1872（级别1）、…、382（级别7）。换句话说，取得对应所有音量级别之包采样次数的累计值，并且对所有累计值进行数学运算（例如，加权平均）以产生一平均音量级别。

包适应模块438对所述平均音量级别与存储于缓冲存储器442的标准音量级别进行数学运算，以计算取得一音量调节值。当对某个数字音频包调节完音量后，包适应模块438判断是否超出上限值或下限值。若调节完的音量超出上限值或下限值，则包适应模块438根据上界值或下界值对接收的数字音频包进行微调。若调节完的音量未超出上限值或下限值，则包适应模块438根据先前计算得到的音量调节值完成对所述数字音频包的音量调节。

图5显示本发明第二实施方式之音量调节系统的架构图，其适用于VOIP音频处理系统。

所述音量调节系统包括发送端（发话端）51与接收端（收话端）53，其分别具有多个硬件模块或组件。

传送端51内包含的模块如图1的模拟/数字转换器（A/C）112、编译码单元114以及打包处理模块116所示，并且执行相同的操作，在此不再详述。

接收端53至少包括数字/模拟转换器（D/C）532、编译码单元534、解封装（De-Packetizing）处理模块536、封包适性模块438、处理单元540以及缓冲存储器542。

传送端51取得来自用户45的声音信号（模拟音频串流）后，将该模拟音频串流转换成数字音频串流，根据G.711编码规则（例如，A-Law编码或μ-Law编码）对该数字音频串流采样以取得如表1所示之14位线性输入码及对应之8位的压缩值，以及将编码后的数字音频串流打包成IP封包并传送至接收端43。

接收端53的处理单元540接收来自发送端51的IP包（以下称数字音频包），并判断是否检测到激发信号。若检测到激发信号，则对一采样周期内之数字音频包进行采样，并根据编码规则（例如，G.711的μ-Law编码）对所述数字音频包进行分析，以取得每一数字音频包的3位输出值，如前述表1中的000、001、…、111所示。

包适应模块538分析在所述采样周期内的数字音频包并且统计取得对应不同音量级别之包采样次数的累计值。如前述表2所示（存储在缓冲存储器542中），本发明一种实施方式定义了8个音量级别，包括级别0、级别1、...、级别7。在所述采样周期内，当采样其中一个数字音频包时，判断所述数字音频包的音量级别是落在0～7哪一个音量级别。

在所述采样周期内，当包适应模块538确认所有采样的数字音频包属于哪个音量级别，可得到对应每一个音量级别的累计值分别为1432（级别0）、1872（级别1）、…、382（级别7）。换句话说，取得对应所有音量级别之包采样次数的累计值，并且对所有累计值进行数学运算（例如，加权平均）以产生一平均音量级别。

包适应模块538对所述平均音量级别与存储于缓冲存储器542的标准音量级别进行数学运算，以计算取得一音量调节值，并存储于缓冲存储器542。当对某个数字音频包调节完音量后，包适应模块538判断是否超出上限值或下限值。若调节完的音量超出上限值或下限值，则包适应模块538根据上界值或下界值对接收的数字音频包进行微调。若调节完的音量未超出上限值或下限值，则包适应模块538根据先前计算得到的音量调节值完成对所述数字音频包的音量调节。

解包处理模块536自包适应模块538取得处理完的数字音频包，将所述数字音频包解开以取得多个RTP包，利用RTP模块（未显示）将所述RTP包解开以取得多个UDP包，并且利用UDP模块（未显示）将所述UDP包解开以取得多个编码后的数字音频帧。

编码单元534对所述编码后的数字音频帧译码得到脉冲编码调制（PCM）格式的数字音频流。数模转换器532将数字音频流转换回模拟音频流（声音信号）。接收端53的用户可再经由增益控制单元（未显示）对声音信号的音量进行调节。

需注意到，本发明一种实施方式的音量调节方法与系统可经由硬件或软件的方式实现。本发明一种实施方式中所提到的硬件模块可经由不同逻辑闸的组合来实现，以执行本文中所述的数学运算或操作步骤。

本发明一种实施方式的音量调节方法与系统在音频数据尚未播放给用户前，即经由接收端（收话端）的包适应模块调节音量，可改善使用多方会议系统常常发生不同收话端的音量大小不一致的情况。

Claims (8)

1.一种音量调节方法，适用于音频处理系统，其特征在于，所述音量调节方法包括：

接收来自发送端之数字音频流；

判断是否检测到激发信号；

若检测到所述激发信号，则根据编码规则对所述数字音频流中之一采样周期内之多个数字音频包进行采样；

根据所述采样操作取得对应所述数字音频包之多个输出值，其中所述多个输出值中之每一个输出值对应一个音量级别；

分析所述数字音频包，以取得对应所述音量级别之多个累计值，其中每一累计值表示其对应之音量级别之包采样次数；

根据所述多个累计值计算取得平均音量级别；

根据所述平均音量级别与标准音量级别计算取得音量调节值；以及

根据所述音量调节值对所述数字音频流中后续接收到之数字音频包进行音量调节。

2.如权利要求1所述之音量调节方法，其特征在于，还包括：

判断所述数字音频包之其中一数字音频包的音量调节结果是否超出上限值或下限值；以及

若所述音量调节结果超出所述上限值或所述下限值，则根据上界值或下界值对所述调节后的数字音频包进行微调，其中所述上界值或所述下界值分别对应于音量级别的极大或极小级别。

3.如权利要求1所述之音量调节方法，其特征在于，还包括：

若未检测到所述激发信号，以先前计算产生的音量调节值对接收到的数字音频包进行音量调节；及

若当一开始尚未计算取得任何音量调节值，则以默认值或其它方式来进行音量调节，或者不进行音量调节。

4.如权利要求1所述之音量调节方法，其特征在于，还包括：

以采样周期为单位，当前周期内的所述音量调节值是根据先前所有采样周期所得之所述平均音量级别与所述标准音量级别计算取得。

5.一种音量调节系统，其特征在于，包括：

发送端，至少包括第一编码单元，其中，所述第一编码单元对数字音频流中之多个数字音频包进行采样；以及

接收端，至少包括：

处理单元，接收来自所述发送端之所述数字音频流，并且判断是否检测到激发信号，以及，若检测到所述激发信号，自所述数字音频流，根据编码规则对所述数字音频流中之一采样周期内之多个数字音频包进行采样，根据所述采样操作取得对应所述数字音频包之多个输出值，其中所述输出值中之每一输出值对应至一个音量级别；以及

包适应模块，分析所述数字音频包，以取得对应所述音量级别之多个累计值，其中每一累计值表示其对应之音量级别之包采样次数，根据所述多个累计值计算取得平均音量级别，根据所述平均音量级别与标准音量级别计算取得音量调节值，以及，根据所述音量调节值对所述数字音频流中后续接收到之数字音频包进行音量调节。

6.如权利要求5所述之音量调节系统，其特征在于，所述包适应模块判断所述数字音频包之其中一数字音频包的音量调节结果是否超出上限值或下限值，以及，若所述音量调节结果超出所述上限值或所述下限值，则根据上界值或下界值对所述调节后的数字音频包进行微调，其中所述上界值或所述下界值分别对应于音量级别的极大或极小级别。

7.如权利要求5所述之音量调节系统，其特征在于，若未检测到所述激发信号，则所述包适应模块以先前计算产生的音量调节值对接收到的数字音频包进行音量调节，及若当一开始尚未计算取得任何音量调节值，则以默认值或其它方式来进行音量调节，或者不进行音量调节。

8.如权利要求5所述之音量调节系统，其特征在于，以采样周期为单位，当前周期内的所述音量调节值是根据先前所有采样周期所得之所述平均音量级别与所述标准音量级别计算取得。